Últimos artículos para Ajuste fino

Un nuevo método combina aprendizaje auto-supervisado y activo para un reconocimiento de actividades eficiente.

Aprende cómo CrAFT mejora la compresión de modelos sin perder rendimiento.

La investigación muestra que la descomposición tensorial mejora el rendimiento de las redes neuronales y reduce su tamaño.

Este estudio investiga la capacidad de la IA para generar poesía al estilo de Whitman.

Analizando cómo los LLMs predicen las calificaciones de los usuarios de manera efectiva.

Mejorando modelos pequeños para preguntas médicas a través de técnicas innovadoras y métodos de datos.

Explorando el papel de la IA en la creación de historias y visuales de cómics que atrapan.

Un nuevo método para ajustar modelos de lenguaje de forma efectiva y rápida.

Presentamos el Aprendizaje Inclusivo a partir de Retroalimentación Humana para mejorar los modelos de lenguaje.

Este artículo habla sobre cómo mejorar el rendimiento de modelos multilingües a través de métodos de ajuste fino mejorados.

Usar un modelo pequeño para mejorar los resultados de modelos de lenguaje grandes muestra mejoras significativas.

Este trabajo presenta tareas para que las máquinas razonen sobre objetos usando contexto visual.

La investigación revela la efectividad de los modelos preentrenados para detectar datos inusuales.

Este método mejora los modelos de lenguaje para áreas específicas de manera eficiente.

La investigación muestra que los prompts basados en léxico mejoran las tareas de clasificación de estilo en modelos de lenguaje.

Un método para mejorar modelos de lenguaje de caja negra usando modelos más pequeños y entrenables.

La investigación destaca la importancia de la consistencia de representación en los modelos de PLN.

Este estudio examina cómo los modelos de lenguaje responden a errores en el texto.

Examinando el sesgo en los modelos de lenguaje y métodos para reducirlo.

Un nuevo método de entrenamiento mejora el rendimiento del modelo de lenguaje usando una mejor selección de ejemplos.

APT ofrece un enfoque flexible para mejorar el rendimiento de los modelos de lenguaje.

Un nuevo método mejora la retención del conocimiento en modelos de lenguaje a través de la ponderación de importancia.

Los investigadores están empujando los límites de los modelos de lenguaje con técnicas de aprendizaje con pocos ejemplos.

Este estudio evalúa qué tan bien los modelos de lenguaje utilizan el conocimiento aprendido en tareas prácticas.

Explora el último modelo para generar imágenes a partir de texto con velocidad y calidad.

Métodos innovadores mejoran la eficiencia y el rendimiento de los modelos de PLN con menos recursos.

Nuevo método mejora modelos de reconocimiento de voz y reduce la pérdida de conocimiento.

La investigación muestra cómo las máquinas representan la información de manera similar al pensamiento humano.

Nuevos enfoques en el ajuste fino mejoran el rendimiento y reducen el uso de recursos.

Un nuevo estándar evalúa el rendimiento de recuperación generativa en entornos informativos cambiantes.

Esfuerzos para mejorar la traducción automática de lenguas indígenas de bajo recurso en las Américas.

Un proyecto tiene como objetivo mejorar la traducción entre mazateco, mixteco y español.

Este estudio explora nuevos métodos para mejorar la resolución de problemas de matemáticas usando modelos de lenguaje.

Explorando nuevas formas de mejorar los modelos de lenguaje usando parafraseo con pocos ejemplos.

Nuevo estándar evalúa la comprensión de la negación por parte de los modelos de lenguaje en diferentes contextos.

Nuevo método de cuantización mejora la eficiencia y el despliegue de modelos de IA.

Nuevo método mejora la precisión en el análisis de imágenes médicas con datos limitados.

Abordando desafíos en el reconocimiento de voz de nombres africanos para mejorar la experiencia del usuario.

Explorando cómo los nombres propios afectan las respuestas de los modelos de lenguaje y la equidad.

Nuevos métodos mejoran el análisis de la actividad cerebral usando machine learning y datos de fMRI.