Últimos artículos para Ajuste fino

Examinando el papel de IKUN e IKUN-C en la traducción efectiva de múltiples idiomas.

La investigación muestra un reemplazo efectivo de los Embeddings Posicionales en modelos de traducción.

Examinando el papel de los datos en la mejora de la traducción para lenguas de pocos recursos.

Este artículo examina cómo los modelos reconocen el tono, el estrés y los acentos de pitch.

Una mirada a los beneficios de los modelos locales y los pipelines de LLMOps.

El estudio analiza la efectividad de los LLMs especializados en tareas clínicas.

Descubre cómo los chatbots personalizados pueden mejorar las experiencias educativas en la educación superior.

Un nuevo método ayuda a identificar la contaminación de datos de prueba en LLMs usando probabilidades de tokens.

Descubre métodos eficientes para ajustar modelos de lenguaje grandes usando ruido gaussiano.

Un nuevo algoritmo mejora la eficiencia de los conjuntos de datos para ajustar modelos de lenguaje.

Explorando cómo los LLM están moldeando el futuro de la atención médica.

Una mirada a cómo el aprendizaje por transferencia impacta el rendimiento del modelo a través de las leyes de escalado.

Nuevo método combina el conocimiento experto con grandes modelos para analizar señales de vibración industrial.

Un nuevo método aprovecha datos de voz para mejorar las evaluaciones de autismo.

Nuevos métodos mejoran cómo los robots aprenden y se adaptan a tareas.

Nuevos métodos mejoran la eficiencia de generación de imágenes en dispositivos limitados.

Este artículo presenta un nuevo método para sistemas de diálogo realistas utilizando rasgos específicos del usuario.

Un nuevo método para mejorar la precisión y eficiencia de la recuperación k-NN.

Este estudio examina la creación de radiografías de tórax realistas a través de técnicas avanzadas de aprendizaje automático.

Un estudio revela vulnerabilidades en modelos de IA debido a ataques de puerta trasera.

SSR mejora el rendimiento de los modelos de lenguaje mientras mantiene sus habilidades generales.

AstroMAE usa autoencoders enmascarados para mejorar las predicciones de corrimiento al rojo en astronomía.

Los investigadores ajustan los LLMs para mejorar la honestidad y la fiabilidad en los resultados.

Este artículo habla sobre los desafíos y soluciones en la evaluación de modelos de respuesta a preguntas basadas en contexto.

Un nuevo enfoque mejora la claridad de la investigación usando gráficos de conocimiento cognitivo y modelos de lenguaje.

Una mirada a los últimos avances en modelos de traducción automática.

Un nuevo método para adaptar modelos de IA con datos etiquetados limitados.

Un nuevo marco mejora el aprendizaje automático para el control del movimiento en diferentes entornos.

Explorando preocupaciones de privacidad en el ajuste fino de modelos de difusión con datos personales.

Block-Attention mejora los modelos de lenguaje acelerando las respuestas y manteniendo la precisión.

Un estudio explora el desarrollo de ASR para Amis y Seediq, centrándose en el uso de datos.

Este estudio investiga modelos generativos para la creación efectiva de frases clave en artículos científicos.

Una mirada a cómo IRL mejora el rendimiento y la diversidad de los modelos de lenguaje.

Nuevos métodos mejoran la precisión y eficiencia de la traducción para varios idiomas.

Un nuevo método mejora la eficiencia de ajustar modelos de lenguaje.

Explorando nuevos métodos para mejorar la predicción de series temporales usando la pérdida de Wasserstein.

Examinando cómo el ajuste fino afecta la seguridad en los modelos de lenguaje en varias tareas.

Los transformadores mejoran la precisión de clasificación para el trastorno del espectro autista a través de un análisis avanzado de imágenes cerebrales.

La investigación se centra en mejorar la capacidad de los modelos de lenguaje para entender textos más largos.

Un nuevo método MEOW aborda el desaprendizaje de datos sensibles en LLMs sin perder rendimiento.