Últimos artículos para Ajuste fino

Este artículo explora la masa del neutrino a través de ceros menores en la matriz de masa.

DP-ZO equilibra la privacidad y el rendimiento en el entrenamiento de modelos de lenguaje.

Un nuevo marco mejora el rendimiento del modelo en datos no vistos usando cambios específicos.

Nuevos métodos mejoran la velocidad y calidad de la edición de imágenes usando modelos más pequeños.

Nuevos modelos exploran la estabilidad de la escala débil en física de altas energías.

Examinando los efectos de la duplicación de código entre conjuntos de datos en las métricas de rendimiento del modelo.

Un nuevo método que mejora las redes neuronales podadas para un mejor rendimiento.

Las herramientas de IA como SAM están revolucionando la manera en que mapeamos el permafrost y entendemos el cambio climático.

Una visión general de la criticidad intrínseca y extrínseca en sistemas biológicos.

Este estudio mejora cómo los modelos de lenguaje manejan tareas de razonamiento matemático.

Estrategias para mejorar modelos de QA cuando hay poca data etiquetada.

AutoFT mejora el rendimiento del modelo en datos no vistos a través de técnicas de ajuste fino innovadoras.

Un nuevo método acelera la generación de texto de LLM usando cabezas de predicción adicionales.

Un nuevo marco de IA mejora la detección de enfermedades oculares a través de técnicas de imagen mejoradas.

Un método mejora la eficiencia en el entrenamiento y uso de modelos de lenguaje grandes.

La investigación muestra que los modelos ajustados tienen potencial para mejorar la comprensión de enfermedades raras.

Estudio revela riesgos de ataques de jailbreak multilingües en modelos de lenguaje grandes.

Este artículo explora métodos para usar GPT-3.5 y automatizar revisiones de código de manera efectiva.

Analizando el costo y la eficiencia de los modelos de lenguaje grandes en varias tareas.

Este estudio analiza cómo los modelos de lenguaje manejan temas familiares y no familiares.

Explorando el uso de LLMs para analizar datos de series temporales en varios campos.

DeRa ofrece un método para ajustar la alineación del modelo de lenguaje sin necesidad de reentrenar.

Un método para ajustar modelos de lenguaje usando menos parámetros.

Este artículo examina el impacto del ruido en el rendimiento de los modelos de lenguaje.

Aprende cómo nuevas técnicas mejoran la eficiencia de grandes modelos de aprendizaje automático.

Nuevos métodos mejoran la claridad de las predicciones de aprendizaje automático.

Nuevo método mejora la fiabilidad de las predicciones del modelo en aplicaciones del mundo real.

Un nuevo enfoque para integrar diversas perspectivas culturales en los modelos de lenguaje.

Un nuevo método para impulsar la creatividad en la resolución de problemas con el apoyo de la IA.

Explorando problemas en la creación de modelos y soluciones de IA para la toma de decisiones.

AV-SUPERB evalúa modelos de audio y visuales en diferentes tareas para mejorar el rendimiento.

Nuevas herramientas mejoran la forma en que los sistemas recuperan información de documentos largos.

Explorando cómo los modelos de lenguaje reflejan rasgos de personalidad en la contratación.

Este estudio mejora la eficiencia de ajuste fino en redes neuronales usando aprendizaje activo transductivo.

Mejorando el reconocimiento de voz de Whisper para el vietnamita y otros idiomas de bajo recurso.

Un nuevo método para adaptar LLMs sin necesidad de etiquetar mucho.

Este artículo habla de un método para mejorar los LLMs usando retroalimentación verbal sin caer en la sobregeneralización.

LoRETTA mejora la eficiencia de ajuste fino para modelos de lenguaje grandes con menos parámetros.

Explorando las amenazas que plantea la intoxicación de datos indiscriminada en el aprendizaje auto-supervisado.

Examinando cómo el ajuste fino aumenta el riesgo de revelar datos sensibles de entrenamiento.