Últimos artículos para Evaluación de Datos

Un estudio destaca el impacto de la contaminación de datos en las evaluaciones de modelos de código.

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

SPHINX-V mejora la capacidad de la IA para interpretar imágenes a través de la interacción del usuario.

BEAR mejora la evaluación del conocimiento relacional en los modelos de lenguaje.

Este estudio examina cómo los modelos de lenguaje manejan diferentes expresiones de los mismos problemas de razonamiento.

Un nuevo conjunto de datos evalúa cómo los modelos de lenguaje manejan contenido dañino en diferentes culturas.

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

Una evaluación de qué tan bien los LLMs recuerdan información factual y los factores involucrados.

Este estudio ofrece métodos mejorados para evaluar modelos de texto a imagen.

Un estudio que evalúa métodos de aprendizaje de pocos disparos para la clasificación del idioma polaco.

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

WorkBench prueba la habilidad de los agentes para realizar tareas de oficina realistas con un método de evaluación único.

Evaluando cómo los LLMs se adaptan a nueva información y sesgos.

Un nuevo método para evaluar la alineación de los modelos de lenguaje con los valores humanos.

Combinar revisores humanos con LLMs mejora las evaluaciones de investigación biomédica.

Un desafío enfocado en modelos generativos profundos para la generación de imágenes médicas realistas.

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

Un nuevo método para evaluar el razonamiento de sentido común en modelos de IA a través de tareas abiertas.

Nuevo conjunto de datos GAIA arroja luz sobre la calidad de la acción en contenido generado por IA.

Un nuevo método para evaluar modelos generativos con mínima generación de datos.

Una nueva prueba mide el razonamiento composicional en modelos avanzados.

Nuevo conjunto de datos ayuda a evaluar la precisión y fiabilidad del texto de IA.

Un nuevo estándar evalúa cómo los modelos de lenguaje manejan los cambios de texto.

Un conjunto de herramientas para evaluar el rendimiento de modelos aumentados por recuperación en dominios específicos.

VideoVista ofrece una evaluación completa para modelos de preguntas y respuestas de video.

Métodos para medir los efectos del tratamiento en diferentes grupos y periodos de tiempo.

Este artículo presenta un nuevo método para evaluar modelos de texto a imagen de manera efectiva.

Dysca presenta una nueva forma de evaluar el rendimiento de LVLM utilizando datos sintéticos.

Un nuevo método mide cómo los modelos de lenguaje adaptan sus creencias con nueva evidencia.

Un nuevo estándar para evaluar el rendimiento de los agentes de IA en literatura biomédica y gráficos de conocimiento.

Presentamos FairMedFM para evaluar la equidad de los modelos de base en el sector salud.

Este estudio evalúa cómo los LVLMs médicos funcionan en medio de alucinaciones usando un nuevo conjunto de datos.

Explorando modelos de aprendizaje automático y nuevos conjuntos de datos para mejorar la seguridad.

FKEA ofrece una forma nueva de evaluar modelos generativos sin necesitar conjuntos de datos de referencia.

Una mirada a los beneficios de los métodos de evaluación a nivel de segmentos para la calidad de la traducción.

Nuevas métricas y el módulo EdgeHead mejoran la detección 3D para vehículos autónomos.

Un nuevo enfoque mejora la precisión de las evaluaciones de modelos de lenguaje.

Mejorar cómo los modelos manejan la evidencia en documentos largos genera confianza en los usuarios.

BiasAlert mejora la detección de sesgos en modelos de lenguaje para lograr resultados de IA más justos.

Un nuevo método para evaluar la precisión en los resultados de modelos de lenguaje.