Últimos artículos para Referencia

Nuevo estándar busca mejorar la comprensión de texto e imágenes por parte de la IA.

WeiPer mejora la detección de datos fuera de distribución en modelos de aprendizaje automático usando ajustes de peso.

Este estudio mide el rendimiento de los LLMs en diálogos matemáticos complejos.

LinkLogic proporciona claridad y confiabilidad para la predicción de enlaces en grafos de conocimiento.

Nuevos métodos y puntos de referencia buscan simplificar la formalización de las matemáticas a través de Lean 4.

Pruebas recientes muestran que los LLMs tienen debilidades en el razonamiento simple a pesar de sus altas puntuaciones en los benchmarks.

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

Un nuevo estándar ayuda a mejorar el rendimiento de las GNN frente a los desafíos del ruido en las etiquetas.

Bench2Drive ofrece un método de evaluación justo para tecnologías de conducción autónoma.

Nuevos métodos mejoran el rendimiento de los modelos de lenguaje en tareas de razonamiento complejo.

Un estudio presenta un nuevo estándar para el rendimiento de las indicaciones en la creación y recuperación de imágenes.

Analizar los modelos existentes revela información sobre las tendencias de rendimiento de los modelos de lenguaje a medida que aumenta su tamaño.

Un nuevo estándar para evaluar LLMs para tareas de programación en Java.

Un nuevo método crea mejores subtítulos para videos al enfocarse en narrativas y causalidad.

Una nueva referencia prueba la capacidad de los LLMs para encontrar vulnerabilidades de software.

Un nuevo estándar evalúa el rendimiento de modelos multilingües en tareas de recuperación semántica.

Descubre cómo CMC-Bench está transformando las técnicas de compresión de imágenes.

DafnyBench mide herramientas de verificación de software, abriendo el camino para una programación confiable.

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

Una nueva prueba mide el razonamiento composicional en modelos avanzados.

Un marco para mejorar la seguridad en los agentes LLM en varias aplicaciones.

Un nuevo estándar evalúa qué tan bien los modelos entienden el tiempo y los eventos.

Este artículo examina métodos para evaluar la variabilidad en los criterios de evaluación de modelos de lenguaje.

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

Un nuevo referente ayuda a los investigadores a mejorar los métodos de detección de integridad de imágenes.

Un estudio sobre cómo mejorar las habilidades de resolución de problemas de los LLMs usando un nuevo marco.

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

Nuevos métodos revelan desafíos para desaprender conocimiento de los modelos de lenguaje.

Los modelos de lenguaje de largo contexto simplifican tareas complejas y mejoran la interacción con la IA.

Un nuevo estándar evalúa las habilidades de razonamiento en modelos de lenguaje.

Examinando los avances en la tecnología de bases de datos con GPU y su rendimiento.

Un nuevo punto de referencia para el desaprendizaje automático mejora la evaluación y comparación de métodos.

Un nuevo método mejora la precisión de generación de código usando documentos externos.

CEBench ayuda a las empresas y a los investigadores a evaluar LLMs mientras manejan costos y rendimiento.

Los estudios destacan las habilidades de aprendizaje en contexto en modelos de lenguaje grandes.

Nuevo marco evalúa el rendimiento de SLAM en condiciones desafiantes.

Nuevo estándar evalúa cómo los modelos de lenguaje en video manejan las imprecisiones de manera efectiva.

Evaluando cómo los LLMs crean textos persuasivos sobre varios temas.

Este estudio evalúa el rendimiento de los Modelos de Lenguaje utilizando las pruebas INVALSI italianas.

Una herramienta de referencia avanza en estrategias de aprendizaje activo en el aprendizaje automático.