Últimos artículos para Evaluación

Este artículo explora cómo los LLMs generan y refinan hipótesis científicas a partir de datos existentes.

KGExplainer mejora la transparencia en la completación de grafos de conocimiento a través de explicaciones significativas.

Un nuevo enfoque para generar imágenes detalladas de personas en escenas complejas.

Una revisión de conjuntos de datos centrados en mejorar la seguridad de los LLM.

Revolucionando el rendimiento de los agentes a través de la evaluación y la acumulación de experiencia.

Un enfoque en métodos para evaluar y mejorar el rendimiento de los agentes digitales.

Un nuevo método usa LLMs para mejorar la eficiencia en la reparación de programas.

La investigación revela cómo la autorreflexión impacta el rendimiento de los modelos de lenguaje en diferentes tipos de preguntas.

Explorando conceptos clave en lógica y ciencias de la computación para un razonamiento efectivo.

Una mirada a usar modelos de lenguaje para evaluar la satisfacción de los requisitos del software.

Un nuevo estándar revela brechas en la comprensión visual de los modelos de lenguaje grandes.

Analizando cómo el ruido afecta el emparejamiento de estudiantes y universidades en los procesos de admisión.

Usando mecanismos de retroalimentación para mejorar los resúmenes científicos generados por LLM.

El nuevo conjunto de datos Square-10M mejora significativamente las capacidades de respuesta a preguntas visuales de código abierto.

Este artículo presenta un método para generar escenarios de prueba a partir de requisitos en lenguaje natural.

Este enfoque mejora la extracción de datos de páginas web usando reglas estructuradas.

Un nuevo estándar mejora cómo evaluamos los LVLMs y su precisión.

La competencia CHC mostró avances en los solucionadores y sus aplicaciones en la verificación de programas.

Este estudio investiga sistemas automatizados para dar retroalimentación sobre ensayos usando modelos de lenguaje.

Los datos sintéticos ofrecen soluciones económicas mientras garantizan la privacidad y reducen el sesgo.

Un nuevo estándar evalúa la comprensión de los modelos de lenguaje sobre los significados de las palabras y sus relaciones.

N nuevas métricas mejoran la evaluación de sistemas de extracción de información en documentos manuscritos.

Un marco para evaluar estrategias de IA en entornos competitivos y cooperativos.

Evaluando la fiabilidad de los resúmenes producidos por IA para mejorar el mantenimiento del software.

Examinando cómo ChatGPT impacta en la salud y sus posibles usos.

Los modelos DynaMo generan texto más rápido y con mejor calidad usando predicción de múltiples tokens.

Un nuevo conjunto de datos mejora la generación de secciones de trabajos relacionados en artículos científicos.

TREC iKAT busca mejorar las interacciones con agentes conversacionales a través de diálogos personalizados.

SCRABLE ofrece soluciones automatizadas para una gestión efectiva de reseñas de aplicaciones.

Evaluando las capacidades y desafíos de los modelos avanzados de comprensión de video.

Este estudio analiza la efectividad de los LLMs para evaluar explicaciones generadas por IA.

Un nuevo marco evalúa qué tan bien los modelos de lenguaje ayudan a los expertos con tareas de escritura.

PEAVS analiza qué tan bien funcionan el audio y el video juntos para mejorar la experiencia del espectador.

Una forma rápida de evaluar el rendimiento de una DNN después de un nuevo entrenamiento.

Los autoencoders dispersos mejoran la interpretabilidad de los sistemas de IA y sus procesos de toma de decisiones.

Una mirada a cómo los modelos de IA entienden el conocimiento esencial del mundo.

Nueva evaluación mide la toxicidad en modelos de lenguaje grandes en varios idiomas.

Este artículo habla sobre la necesidad de mejores prácticas de evaluación en la investigación de fuzzing.

Este estudio evalúa métodos de saliencia en NLP a través de la evaluación humana.

Presentamos PQAH para entender mejor los mapas de calor de IA y su evaluación.