Informática - Computación y lenguaje

Un estudio sobre la efectividad de los evaluadores automáticos para modelos de lenguaje.

PaperQA2 ayuda a los investigadores a buscar información y detectar errores.

Evaluando el impacto de los métodos de compresión en el rendimiento de modelos de lenguaje.

Un nuevo marco mejora el rendimiento del modelo al abordar la fiabilidad de la retroalimentación.

Los investigadores presentan Blind-VaLM, mejorando modelos de lenguaje con conocimiento visual de manera eficiente.

Semformer integra la planificación en los modelos de lenguaje, mejorando la precisión y la eficiencia.

Promptriever simplifica la búsqueda de información siguiendo las instrucciones del usuario.

Esta investigación explora el uso de modelos de lenguaje para programar robots de manera más sencilla a través del lenguaje natural.

Aprende a evaluar y comparar imágenes de manera efectiva.

Este estudio evalúa cómo los modelos de QA manejan el ruido en los datos de entrada.

El método TRIM reduce los tokens de imagen en modelos de lenguaje multimodal sin perder rendimiento.

Una visión general de las tecnologías de detección de palabras clave y sus desafíos con el idioma urdu.

Esta investigación mejora la transferencia de conocimiento entre Kinyarwanda y Kirundi usando modelos multilingües.

Un nuevo método mejora la eficiencia de ajustar modelos de lenguaje.

GenCRF mejora la reformulación de consultas de búsqueda para una mejor precisión en la intención del usuario.

Attention-Seeker mejora la extracción de frases clave usando mapas de autoatención de modelos de lenguaje.

Te presentamos CREAM, un marco para evaluar resúmenes de reuniones de manera efectiva sin necesidad de textos de referencia.

Explorando cómo los LLMs mejoran el razonamiento en diferentes tipos de datos.

Este estudio evalúa cómo los modelos de IA se alinean con la toma de decisiones humana en el sector salud.

Explorando nuevos métodos para mejorar la predicción de series temporales usando la pérdida de Wasserstein.

VERA mejora la precisión y relevancia de las respuestas de los modelos de lenguaje.

Examinando cómo el ajuste fino afecta la seguridad en los modelos de lenguaje en varias tareas.

Un nuevo enfoque para mejorar la transparencia en las respuestas y decisiones de la IA.

Cobweb/4L mejora la forma en que las máquinas aprenden el lenguaje con un enfoque eficiente.

Descubre cómo la alineación de preferencias mejora los sistemas de texto a voz para ofrecer mejores experiencias a los usuarios.

Un nuevo método para mejorar los LLMs en árabe usando conocimiento estructurado para mejores respuestas.

El marco ARTICLE mejora la calidad de los datos en el procesamiento de lenguaje natural a través de la autoconstancia.

Este artículo revela las diferencias en el tratamiento de candidatos masculinos y femeninos en las entrevistas.

La investigación se centra en mejorar la capacidad de los modelos de lenguaje para entender textos más largos.

Mejorar los modelos de lenguaje para comunicar la incertidumbre puede aumentar la confianza de los usuarios y ayudar en la toma de decisiones.

YORO simplifica la generación de SQL a partir del lenguaje natural, mejorando la eficiencia y la precisión.

Un marco que combina métodos extractivos y abstractivos para mejorar los resúmenes de documentos en vietnamita.

Las pruebas de Linguini evalúan qué tan bien los modelos razonan con diferentes idiomas.

Un nuevo método mejora la eficiencia en la coincidencia entre freelancers y proyectos en varios idiomas.

Un nuevo estándar mejora la evaluación de los sistemas de detección de paráfrasis.

Un nuevo modelo mejora la forma en que los modelos de lenguaje piensan y responden.

Los modelos de PLN ayudan a identificar los criterios de elegibilidad para ensayos clínicos de cáncer.

Nuevos métodos mejoran los modelos de lenguaje para las preferencias individuales de los usuarios.

Un nuevo método MEOW aborda el desaprendizaje de datos sensibles en LLMs sin perder rendimiento.

Una mirada a métodos mejorados para resumir texto de manera eficiente.