Últimos artículos para Evaluación

Un nuevo método revela patrones en las decisiones legales usando análisis de texto automatizado.

Un modelo para una calidad de foto consistente en diferentes smartphones.

Introducir alternativas puede mejorar la satisfacción del usuario en los sistemas de recomendación de moda.

Un nuevo conjunto de datos evalúa las habilidades de los modelos de lenguaje en la resolución de problemas de matemáticas avanzadas.

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

Este estudio se centra en mejorar los métodos de generación aumentada por recuperación para el portugués brasileño.

Este estudio presenta WAVES, un estándar para evaluar técnicas de marca de agua contra varios ataques.

Orion-14B se destaca en entender y generar texto multilingüe con 14 mil millones de parámetros.

Nuevos métodos evalúan cómo los sistemas de diálogo mantienen la consistencia de la personalidad.

Este marco mejora cómo se combina el conocimiento en los modelos de aprendizaje automático para tener un mejor rendimiento.

Un estudio revela que los modelos de lenguaje pueden generar impresiones útiles de informes PET.

Evaluando la precisión de los LLMs para diagnosticar condiciones médicas a partir de imágenes y síntomas.

Esta investigación mejora la evaluación de informes de radiología generados por IA a través de la colaboración de expertos.

Analizando cómo el red-teaming puede mejorar la seguridad de la IA y abordar riesgos potenciales.

Examinando la amplificación de daño en modelos de texto a imagen y su impacto en la sociedad.

Este documento habla sobre cómo ajustar los modelos de lenguaje para que se alineen con los valores y expectativas humanas.

Un nuevo modelo de lenguaje abierto para la investigación y la innovación en el procesamiento del lenguaje natural.

Presentamos un marco flexible para mejorar la investigación sobre la privacidad de la voz.

EvaLLM ofrece un enfoque estructurado para evaluar el contenido visual generado por IA.

Un método para verificar modelos de aprendizaje automático para aumentar la confianza y la transparencia.

SIDU-TXT ilumina las decisiones de IA en el procesamiento del lenguaje natural.

Investigaciones muestran que las mujeres enfrentan sesgos en evaluaciones y financiamiento en la academia.

Un nuevo método convierte notas escritas a mano en tinta digital para usarlas fácilmente.

Un análisis de problemas de reproducibilidad en la investigación sobre la predicción de fallos en software de aprendizaje profundo.

Nuevo método mejora la verificación de hechos para textos generados por computadora con nombres ambiguos.

Aprende a diseñar carteles que comuniquen mensajes de manera clara y atractiva.

Explorando los desafíos y soluciones del hacking de recompensas en el entrenamiento de modelos de IA.

Un método nuevo para evaluar cómo los modelos responden a preguntas relacionadas con imágenes.

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

Nuevos métodos mejoran cómo evaluamos el texto generado por computadora.

Una mirada detallada a la evaluación de expertos en inteligencia artificial y humanos en ciberseguridad por parte de CyberMetric.

Abordando preocupaciones éticas mediante la eliminación selectiva de memoria en modelos de IA.

Explorando cómo las máquinas crean imágenes a partir de indicaciones de texto y se alinean con las preferencias humanas.

Este estudio examina los beneficios de las respuestas personalizadas en los modelos de lenguaje.

Un nuevo enfoque para evaluar y comparar algoritmos de RecSys usando conjuntos de datos diversos.

Un nuevo marco para evaluar la corrección de las respuestas de IA con un juicio parecido al humano.

Los modelos de lenguaje buscan mejorar el aprendizaje de la ciencia al ofrecer ayuda personalizada.

Una herramienta de referencia para mejorar los métodos de detección de anomalías en series temporales.

La investigación revela sesgos significativos en las evaluaciones humanas y de LLM sobre las respuestas.

Este benchmark evalúa el rendimiento de los modelos de lenguaje médico en el cuidado de la salud.