Yongbin Li

Un enfoque nuevo usa redes más amplias para mejorar la calidad de evaluación de los modelos de lenguaje.

Explorando el impacto de la complejidad de las instrucciones en el rendimiento del modelo de lenguaje.

El marco de UniSA unifica tareas en el análisis de sentimientos para mejorar el reconocimiento de emociones.

UniPCM aprovecha la generación automática de prompts para mejorar los sistemas de diálogo de manera eficiente.

Un nuevo método mejora la comprensión de las conversaciones por parte de los modelos de lenguaje.

Un método llamado Ajuste Fino de Pensamiento Enmascarado mejora la resolución de problemas matemáticos en modelos de lenguaje.

Examinando cómo los LLMs aseguran la seguridad y el impacto de los jailbreaks.

Un nuevo marco mejora los datos de entrenamiento para modelos de lenguaje usando imágenes y texto.