Últimos artículos para Evaluación

DEnsity ofrece una forma nueva de evaluar sistemas de diálogo según los patrones de conversación humana.

Este artículo habla sobre los beneficios de usar retroalimentación diversa de usuarios para hacer mejores recomendaciones.

ArgU crea argumentos estructurados basados en información factual para discusiones efectivas.

Este estudio evalúa la capacidad de GPT-3 para resumir la literatura médica de manera efectiva.

Un método matemático para evaluar la belleza de las actuaciones musicales.

Este estudio evalúa la atención periodontal en los Centros de Especialidad Dental de Brasil.

Este artículo examina la efectividad de las explicaciones generadas por IA para los usuarios.

Una competencia para mejorar la creación automática de sonido Foley para multimedia.

C-Eval evalúa las habilidades de razonamiento y conocimiento de los LLMs en chino.

Un nuevo conjunto de datos mejora cómo las máquinas leen y responden a los documentos.

Un análisis de las fortalezas y debilidades del conjunto de datos RACE para la comprensión de lectura.

Una mirada crítica a los benchmarks de modelos de lenguaje y sus implicaciones para el rendimiento humano.

Este artículo presenta un nuevo método para manejar las puntuaciones faltantes en las evaluaciones de sistemas de NLP.

Aprende cómo se está entrenando a los chatbots para responder con empatía.

mLongT5 gestiona de forma eficiente textos más largos en varios idiomas.

Un nuevo método mejora la forma en que evaluamos las imágenes generadas por IA a partir de descripciones de texto.

Un estudio sobre cómo crear instrucciones estructuradas a través de la descomposición jerárquica de tareas.

IKDSumm resume de manera efectiva los tweets durante desastres usando conocimientos específicos del desastre.

Una nueva taxonomía para mejorar el rendimiento de LLM en tareas complejas.

Un nuevo método para evaluar la calidad de los argumentos teniendo en cuenta el contexto.

El estudio evalúa métodos para analizar modelos de lenguaje en su comprensión del idioma.

Seahorse ofrece una gran colección de resúmenes multilingües con calificaciones de humanos.

Avances en la investigación sobre la traducción de referencias culturales usando sistemas de traducción automática.

Un nuevo método para integrar varios tipos de datos médicos para un mejor análisis.

Evaluar el rendimiento de los modelos de lenguaje en diferentes demografías humanas es clave para un uso efectivo.

Un estudio revela limitaciones en los modelos de lenguaje aumentados por recuperación para la generación de texto.

Presentando un marco estructurado para un razonamiento efectivo sobre textos largos.

El conjunto de datos MMSMR tiene como objetivo mejorar la evaluación de conversaciones de chatbots con respuestas humanas diversas.

Este estudio compara las normas sociales entre las culturas china y americana a través del análisis de datos.

Un nuevo enfoque para resumir tablas basado en las preguntas del usuario para obtener mejores insights.

Presentamos un sistema que explica de manera clara la evaluación de texto generado por máquinas.

Un nuevo conjunto de datos mejora la habilidad de los modelos de lenguaje para entender instrucciones en varios idiomas.

Un nuevo método aborda los desafíos que enfrentan los modelos de lenguaje para ofrecer respuestas precisas.

Un método para evaluar clasificadores que se abstienen al estimar sus predicciones faltantes.

Las preguntas de aclaración son clave para una buena comunicación en sistemas de conversación.

Un nuevo método mejora la resumición de videos para contenido en lengua de señas.

Mejorando las capacidades del modelo para vincular varios tipos de datos de manera efectiva.

Una herramienta para evaluar las capacidades de razonamiento en varios pasos de los modelos de lenguaje grandes.

Combinando métodos basados en referencias y métodos sin referencias para mejorar la evaluación de resúmenes.

Un estudio muestra que los LLMs ofrecen traducciones más naturales, especialmente para frases idiomáticas.