Últimos artículos para Ajuste fino

Una mirada a las preocupaciones de seguridad de los modelos de lenguaje comprimidos.

SBoRA mejora el ajuste fino para modelos de lenguaje grandes, ahorrando recursos y mejorando el rendimiento.

LoRA mejora el rendimiento de los modelos de lenguaje grandes mientras ahorra recursos.

Un nuevo método simplifica la generación de imágenes personalizadas a partir de texto.

Presentando matrices Group-and-Shuffle para un ajuste fino eficiente de modelos neuronales.

Un nuevo método para mejorar modelos preentrenados usando fine-tuning selectivo.

Un nuevo marco controla el aprendizaje en contexto para prevenir el mal uso en modelos de IA.

Un nuevo método combina datos de video y IMU para mejorar las técnicas de reconocimiento de acciones.

Un nuevo método que mejora el rendimiento del modelo a través de una gestión efectiva de los valores atípicos.

Introduciendo Adaptación de Subespacio Aleatorio para un ajuste eficiente de modelos de lenguaje.

Un proyecto centrado en mejorar la generación de historias en árabe usando modelos avanzados.

Estrategias para mejorar modelos de aprendizaje automático con conjuntos de datos cambiantes.

Los investigadores desarrollan métodos para mejorar los modelos de lenguaje para varios idiomas.

WeLore trae eficiencia a los modelos de lenguaje grandes al simplificar las matrices de peso.

Este documento estudia cómo el entrenamiento influye en las predicciones de los modelos de lenguaje grandes.

El estudio evalúa la adaptabilidad de los modelos de lenguaje para resumir temas diversos.

Descubre cómo el aprendizaje por transferencia mejora los resultados del modelo usando conocimientos de tareas relacionadas.

Un estudio sobre qué tan bien funcionan los LLMs como bases de conocimiento confiables.

Una mirada a cómo los modelos de código abierto se comparan con los comerciales en tareas biomédicas.

Examinando problemas con modelos de lenguaje grandes para predecir elementos faltantes en listas.

Este documento analiza los ataques por backdoor y sus implicaciones en la seguridad del aprendizaje automático.

Un nuevo método mejora la detección de objetos en imágenes de teledetección.

La investigación mejora la capacidad de los modelos de lenguaje para procesar información relacionada con el tiempo en tablas.

Un nuevo método mejora cómo los modelos de visión-lenguaje se adaptan durante las pruebas.

Un nuevo enfoque para evaluar el rendimiento del modelo y la retención del conocimiento.

Este estudio mejora la medición de la cabeza fetal con ultrasonido usando técnicas de aprendizaje profundo.

Un método para mejorar el comportamiento del modelo de lenguaje contra resultados dañinos.

Un nuevo método mejora la adaptabilidad de los agentes de RL a entornos cambiantes.

pRAGe ayuda a simplificar términos médicos para que los pacientes entiendan mejor.

Este estudio evalúa modelos de aprendizaje automático para clasificar páginas web relacionadas con políticas de Alemania.

Los investigadores mejoran los modelos de PDE neuronales usando ecuaciones de menor dimensión preentrenadas para un mejor rendimiento.

Examinando cómo las redes de creencias profundas pueden aprender de datos y crear representaciones complejas.

La investigación mejora los sistemas de ASR usando modelos de lenguaje para mayor precisión.

XLIP mejora el diagnóstico al integrar imágenes médicas y descripciones de texto.

Un nuevo método mejora los modelos 2D al incorporar características 3D para un mejor rendimiento.

Este marco mejora el acceso y la eficiencia de los modelos de IA usando sharding híbrido.

MoFO ayuda a los modelos de lenguaje grandes a retener conocimiento durante el ajuste fino sin perder rendimiento.

Nuevos métodos de entrenamiento mejoran los LLMs para sugerencias de productos en línea más chidas.

Gemma 2 ofrece un alto rendimiento en un tamaño compacto para tareas de lenguaje.

Nuevos métodos buscan mejorar la velocidad y eficiencia de los modelos de aprendizaje profundo.