Últimos artículos para Transformador

Mamba-ND mejora la eficiencia de procesamiento para datos multidimensionales con menos recursos.

Este artículo examina cómo los Transformers resuelven problemas usando inferencia paso a paso y modelos de grafos.

BEFUnet mejora la precisión en la segmentación de imágenes médicas al combinar CNNs y transformadores.

Este estudio examina cómo los modelos de lenguaje adaptan sus predicciones usando el aprendizaje en contexto.

Este artículo examina cómo los modelos reinicio-incrementales mejoran la comprensión del lenguaje en medio de ambigüedades locales.

Este artículo explora un método para mejorar la resumición de código utilizando conocimientos sobre la atención humana.

Este documento conecta modelos de transformadores con cadenas de Markov para mejorar la comprensión.

Una inmersión profunda en métodos para la detección de lenguaje abusivo y transferencia de estilo de texto.

Explorando cómo los transformers aprenden aritmética en el aprendizaje automático.

Investigación sobre cómo el sesgo inductivo afecta el rendimiento del modelo Transformer.

Un análisis de Transformers y sus métodos de aprendizaje autorregresivo en contexto.

Un estudio sobre el uso de transformadores para un etiquetado y representación musical efectiva.

adaptNMT simplifica la creación de modelos de traducción para todos los niveles de habilidad.

Explorando las inexactitudes en los modelos de lenguaje grandes y sus implicaciones.

Un nuevo modelo mejora la predicción de acciones de los robots y su adaptabilidad en diversas tareas.

Una mirada a cómo el paralelismo de modelos ayuda en el entrenamiento de grandes redes neuronales.

DARL ofrece nuevos métodos para que las máquinas aprendan y creen imágenes de manera efectiva.

Este trabajo analiza el rendimiento de transformadores simplificados en tareas de pronóstico.

Este artículo examina si los transformadores pueden simular autómatas finitos ponderados y autómatas en árbol.

Un nuevo modelo integra audio y texto para mejorar la clasificación del habla.

Mamba muestra un gran potencial en el análisis de video en comparación con los transformers.

Investigando métodos para clasificar riesgos alimentarios usando aprendizaje automático para mejorar la salud pública.

Este estudio investiga cómo el ajuste fino de LoRA influye en la agrupación de tokens en modelos Transformer.

Explora las fortalezas y debilidades de las RNN y los Transformers en el procesamiento del lenguaje natural.

KAT permite que los robots aprendan tareas rápido con menos ejemplos.

Una exploración de cómo los modelos de lenguaje predicen tokens futuros en comparación con el pensamiento humano.

Explorando la intersección de la computación cuántica y los modelos transformer en la IA.

Un nuevo enfoque para escenarios de tráfico realistas en pruebas de vehículos autónomos.

TREET utiliza transformadores para mejorar el análisis de entropía de transferencia en diversos campos.

Una nueva arquitectura busca enseñar a los sistemas de IA a combinar habilidades aprendidas para diversas tareas.

Explorando cómo los transformadores favorecen funciones de baja sensibilidad para mejorar el rendimiento.

Una visión general de ASR y sus avances en aplicaciones modernas.

Un nuevo enfoque mejora la precisión en la detección de convulsiones usando señales de EEG.

La investigación aborda la inflexión de palabras no vistas en checo.

FAM mejora la memoria de los Transformers para procesar mejor contextos largos.

Explorando cómo los modelos de transformadores mejoran las predicciones de propiedades moleculares en varios campos.

Un nuevo método mejora la traducción de lenguaje hablado a lenguaje de señas para una mejor comunicación.

Explorando métodos innovadores para mejorar la precisión en la comunicación escrita.

Descubre los últimos métodos y desafíos en la clasificación de imágenes hiperespectrales.

Este artículo habla sobre cómo los transformadores aprenden la estructura del lenguaje a través de métodos de entrenamiento.