Últimos artículos para Evaluación

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

Un nuevo marco evalúa cómo los LLM razonan para responder preguntas complejas.

Este artículo habla sobre un método para mejorar los modelos de lenguaje usando instrucciones estructuradas.

Una nueva herramienta ayuda a los investigadores a modelar la turbulencia óptica de manera efectiva.

Explora cómo DualView mejora la atribución de datos en modelos de aprendizaje automático.

Nuevo conjunto de datos mejora los métodos de evaluación para el desaprendizaje de máquinas en la generación de imágenes.

La simplificación de textos ayuda a que más gente pueda acceder a la información.

Examinando la importancia y los desafíos de las revisiones de literatura en Análisis de Patrones e Inteligencia Artificial.

Automatizando la expansión de taxonomías con modelos de lenguaje avanzados para una mejor organización del conocimiento.

Presentando un enfoque nuevo para evaluar modelos de lenguaje grande de manera efectiva.

Un nuevo método identifica los diseños de documentos típicos en varios campos y lenguajes.

Una encuesta revela información sobre las prácticas de comunicación científica entre el personal del NIH.

Este estudio destaca la importancia de la incertidumbre al evaluar los Modelos de Visión-Lenguaje.

KIEval ofrece evaluaciones interactivas para abordar la contaminación de datos en los modelos de lenguaje.

Este artículo habla sobre un nuevo marco para evaluar las alucinaciones en los LVLMs.

SportQA evalúa la comprensión de los modelos de lenguaje sobre deportes a través de más de 70,000 preguntas.

La investigación destaca el sesgo en las evaluaciones de modelos de lenguaje y propone métodos para mejorar.

La investigación desafía los métodos tradicionales de evaluar los valores y opiniones de los modelos de lenguaje.

OpenMEDLab mejora el acceso a herramientas y recursos de IA médica para una mejor atención sanitaria.

SyllabusQA ofrece información para la respuesta automática de preguntas en educación.

Nuevo conjunto de datos mejora la evaluación de sistemas de corrección de errores gramaticales.

Un estudio sobre la efectividad de GPT-4 en simplificar oraciones.

Un nuevo método para evaluar herramientas de procesamiento de lenguaje muestra promesas de mejora.

Un nuevo conjunto de datos busca mejorar la calidad de los mensajes de commit automáticos para los desarrolladores.

Un nuevo método mejora las habilidades de comunicación de los agentes de lengua.

Evaluando cómo los sesgos en los modelos de lenguaje afectan las aplicaciones del mundo real.

X-LLaVA mejora las capacidades multilingües para responder preguntas visuales.

Descubre cómo ChartThinker mejora los resúmenes de gráficos para una mejor comprensión.

Evaluando LLMs en su capacidad para procesar textos largos en literatura.

Un nuevo método para evaluar modelos de lenguaje grandes usando menos ejemplos.

Mejorando la eficiencia en Datalog a través de semiring y técnicas de anclaje.

Un nuevo conjunto de datos ayuda a los modelos de IR a adaptarse a instrucciones complejas para mejorar su rendimiento.

Descubre cómo los modelos de lenguaje pueden mejorar nuestra comprensión de la calidad de los argumentos.

Explorando las complejidades de evaluar los sistemas de recuperación de información legal y su efectividad.

TriviaHG ofrece pistas para preguntas, fomentando un pensamiento más profundo y aprendizaje.

Un nuevo conjunto de datos mejora la evaluación del conocimiento molecular en los modelos de lenguaje.

Este estudio explora cómo nuestros cerebros evalúan opciones y toman decisiones.

Esta guía ayuda a simplificar la evaluación de sistemas de recomendación para mejorar la experiencia del usuario.

Este trabajo se centra en identificar escenas importantes para mejorar los resúmenes de guiones de películas.

Un método para aprender y evaluar políticas al mismo tiempo usando todos los datos disponibles.