Últimos artículos para Evaluación

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

Una nueva forma de evaluar modelos de lenguaje grandes para obtener mejores ideas sobre su rendimiento.

La investigación presenta nuevos métodos para evaluar sistemas de reconocimiento de voz en polaco.

Descubre cómo los datos sintéticos ayudan a los minoristas a proteger la privacidad de los clientes mientras obtienen información valiosa.

DocBench evalúa sistemas basados en LLM para leer y responder a diferentes formatos de documentos.

Un marco para evaluar las habilidades de los LLM en tareas relacionadas con datos usando intérpretes de código.

Examinando el impacto de los LLM en los estereotipos sociales y formas de mejorar los resultados.

Este estudio propone un nuevo método de evaluación para la comprensión de video-texto.

Analizando la importancia y las dificultades de evaluar modelos de IA multimodal.

Un nuevo conjunto de datos para mejorar el rendimiento en preguntas y respuestas usando respuestas largas, hechas por humanos.

Los modelos Phi-3 se centran en la seguridad y en alinearse con los valores humanos.

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

Un estudio que compara modelos de IA y evaluaciones humanas de resúmenes científicos.

Un nuevo estándar evalúa modelos de lenguaje en desafíos de codificación científica en varios campos.

Check-Eval usa listas de verificación para mejorar la evaluación de la calidad del texto.

ProtoDep ofrece ideas claras para detectar la depresión a través del análisis de redes sociales.

Este estudio analiza el rendimiento de los circuitos de redes neuronales y su fiabilidad.

Un nuevo marco para crear imágenes de alta calidad basadas en diseños específicos.

HaloQuest aborda problemas de alucinación en modelos de lenguaje-visual con un nuevo conjunto de datos.

Un nuevo método mejora la precisión y eficiencia del seguimiento de puntos en el procesamiento de video.

Una herramienta mejora la categorización de acciones, ayudando a los desarrolladores a ser más eficientes en los flujos de trabajo.

Un nuevo método mejora el diseño estructural al minimizar el estrés de manera efectiva.

Un nuevo estándar evalúa los LLMs por su precisión fáctica.

Un nuevo enfoque para evaluar conjuntos de títulos más rápido sin referencias humanas.

Un enfoque nuevo para evaluar agentes de persona usando modelos de lenguaje.

Evaluando modelos de aprendizaje automático para asegurar la equidad entre diferentes poblaciones.

Dallah apoya dialectos árabes, mejorando la comunicación en texto e imágenes.

Un kit de herramientas diseñado para mejorar la evaluación de las interacciones entre humanos y bots.

Usando marcas de relevancia generadas por IA para evaluar de manera eficiente los sistemas de recuperación de información.

Un enfoque novedoso mejora las comparaciones de algoritmos de aprendizaje por refuerzo en diferentes entornos.

Un nuevo estándar para evaluar modelos que analizan música y lenguaje.

Explora diferentes marcos y métodos para evaluar modelos de lenguaje grandes de manera efectiva.

Un nuevo enfoque para evaluar la fiabilidad de los métodos que explican la toma de decisiones de la IA.

AxiomVision ofrece un nuevo enfoque para el análisis de video, mejorando el rendimiento en condiciones cambiantes.

Una nueva herramienta para evaluar métodos de explicabilidad en sistemas de IA.

BackdoorBench ofrece un enfoque unificado para evaluar los métodos de aprendizaje de puerta trasera en redes neuronales profundas.

Una evaluación del rendimiento en cero disparos de los LLMs multimodales en varias tareas.

Una nueva herramienta mejora el proceso de traducir cuestionarios entre idiomas.

El estudio evalúa las habilidades de razonamiento de los modelos de lenguaje grandes con preguntas complejas.

Un desafío para predecir muertes en conflictos armados con un enfoque en la incertidumbre.