Últimos artículos para Evaluación

Nuevos métodos buscan mejorar las capacidades de razonamiento en los modelos de lenguaje.

N nuevas métricas iluminan las limitaciones de los modelos de lenguaje para representar la realidad.

Un nuevo sistema para evaluar modelos de lenguaje usando flujos de datos del mundo real.

Presentamos IrokoBench para mejorar la evaluación de LLM en lenguas africanas.

El desafío ULS23 tiene como objetivo mejorar la segmentación de tumores en escáneres CT para una mejor atención del cáncer.

Un enfoque nuevo mejora la detección de imágenes falsas creadas por la IA.

Un nuevo estándar busca evaluar MLLMs en la comprensión de videos sobre múltiples temas.

Este estudio presenta un nuevo método para identificar imágenes clave de entrenamiento en visuales generados por IA.

Explorando la importancia de los métodos de desaprendizaje en el aprendizaje automático moderno.

Examinando los problemas clave en MARL offline y proponiendo soluciones estandarizadas.

Aprende sobre CGP, su función, ventajas, aplicaciones y desafíos en la programación.

Un nuevo conjunto de datos mejora la coherencia en las secuencias de imagen-texto para una creación de contenido efectiva.

SciEx revela las fortalezas y desafíos de los LLMs en la evaluación científica.

SEACrowd busca mejorar la representación de IA para los idiomas y culturas del sudeste asiático.

Un estudio evalúa modelos de lenguaje en cómo manejan múltiples tareas al mismo tiempo.

Una nueva evaluación pone a prueba las habilidades de los LLMs con formatos de datos estructurados.

VCEval ofrece una forma automatizada de evaluar la efectividad de los cursos en línea.

Un nuevo estándar busca la composicionalidad en la comprensión de video y los modelos de lenguaje.

Un nuevo método mejora las pruebas para modelos de lenguaje usando datos reales de usuarios.

La familia Nemotron-4 340B ofrece modelos potentes para diversas aplicaciones y generación de datos sintéticos.

Evaluando cómo los modelos de lenguaje manejan las señales culturales en tareas reales.

VideoVista ofrece una evaluación completa para modelos de preguntas y respuestas de video.

Este artículo explora métodos para mejorar la fiabilidad de los artefactos de investigación en informática.

Los modelos GLM-4 muestran capacidades mejoradas en comprensión y generación de lenguaje.

Un estudio sobre el uso de LLMs para juzgar otros LLMs y sus implicaciones.

Un estudio sobre cómo los modelos de lenguaje generan razones persuasivas para la evaluación de argumentos.

Dos nuevos modelos buscan mejorar el acceso a la tecnología para los hablantes de gallego.

Examinando las dificultades de traducir lenguaje metafórico en la traducción automática.

DF40 ofrece un enfoque integral para mejorar los métodos de detección de deepfakes.

Este estudio evalúa la honestidad de los LLM en tres áreas clave.

Descubre cómo las empresas mejoran sus sistemas de preguntas y respuestas para dar un mejor soporte a los usuarios.

Un estudio sobre cómo la IA comprende los algoritmos y sus implicaciones.

Una nueva métrica mejora la evaluación de modelos de clasificación de texto en diferentes dominios.

La contaminación de datos afecta mucho la evaluación de los modelos de lenguaje grandes.

Un nuevo método para evaluar LLMs se alinea con los valores humanos.

Una nueva herramienta para evaluar sesgos en grandes modelos de visión-lenguaje.

Un estudio evalúa cómo las máquinas crean poesía variada y creativa en comparación con los humanos.

Un nuevo método mejora cómo evaluamos las contranarrativas al discurso de odio.

InternLM-Law mejora las respuestas a diversas preguntas legales chinas con un entrenamiento avanzado.

Explorando cómo los perfiles de usuario mejoran la personalización en los modelos de lenguaje.