Últimos artículos para Lingüística Computacional

BatchBPE ofrece un enfoque más rápido para la tokenización en el procesamiento del lenguaje natural.

Un estudio revela cómo pequeños cambios afectan a las representaciones de palabras en contexto.

Un nuevo modelo mejora el NER en árabe usando búsqueda KNN para una mejor precisión.

Un nuevo enfoque combina el aprendizaje multitarea y las redes adversariales generativas para tareas de PNL.

Explorando los desafíos de priorizar números sobre los conocimientos teóricos en la investigación lingüística.

La investigación sobre bancos de datos en latín y etiquetado morfológico mejora la comprensión de textos antiguos.

Explorando cómo diferentes estrategias de tokenización pueden mejorar el rendimiento del modelo de lenguaje.

Un nuevo método mejora el rendimiento de los modelos unidireccionales en tareas de clasificación de tokens.

Un método para mejorar la confianza de los modelos de lenguaje en su generación de texto.

Un nuevo método mejora las capacidades de los modelos de lenguaje sin perder el conocimiento original.

Mejorando los LLMs con ayudas de memoria externa para tareas de razonamiento en varios pasos.

Nuevo método mejora la precisión de ASR usando modelos de lenguaje para mejores transcripciones.

Una mirada al desarrollo de LLM y los desafíos para los idiomas de la UE.

Investigación sobre cómo entrenar modelos de lenguaje para idiomas subrepresentados de manera eficiente.

Esfuerzos para crear herramientas que procesen el idioma sindhi a través de la recopilación de grandes datos de texto.

Una mirada a la efectividad de los sistemas de pipeline frente a los de extremo a extremo en la summarización entre idiomas.

Un nuevo enfoque busca mejorar la precisión en las tareas de traducción de idiomas.

RAG sigue siendo clave para optimizar las respuestas de los modelos de lenguaje, especialmente con textos largos.

Dos métodos innovadores mejoran el rendimiento y la precisión de la corrección ortográfica en chino.

Este artículo examina cómo los árboles de derivación ayudan a clasificar los lenguajes como metalineales o regulares.

Un nuevo modelo para mejorar la extracción de relaciones usando sintaxis y contexto.

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

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

Nuevas ideas sobre cómo el contexto y la similitud afectan el rendimiento de los modelos de lenguaje.

Un nuevo método busca reducir la fuga semántica en las incrustaciones de oraciones cross-lingüales.

Examinando las ventajas de los modelos solo de decodificador para tareas de traducción automática.

Un método para entrenar modelos de lenguaje usando técnicas de selección de datos enfocadas.

Un estudio sobre omisiones y distorsiones en la generación de lenguaje natural a partir de datos RDF.

Examinando el papel de los libros de gramática en la traducción de lenguas de pocos recursos.

Una mirada a cómo se analizan los embeddings de palabras usando análisis de componentes independientes.

Descubre cómo los modelos de lenguaje grandes mejoran el análisis de argumentos en los textos.

Los errores tipográficos pueden confundir mucho a los modelos de lenguaje avanzados y afectar sus respuestas.

Una visión general de cómo los modelos de lenguaje aprenden y retienen información.

Los investigadores están estudiando cómo los modelos de lenguaje grandes predicen secuencias usando inducción.

Un nuevo conjunto de datos para embeddings de palabras en kirguís mejora las capacidades de procesamiento del lenguaje.

Nuevos modelos traen esperanza para el procesamiento del lenguaje natural en Nepal.

Creando un parser para el vietnamita usando modelos avanzados y recursos mejorados.

Este estudio explora cómo comparar la similitud de oraciones en diferentes idiomas.

Examinando los efectos del entrenamiento multimodal en las habilidades lingüísticas en IA.

Examinando las capacidades de los modelos de lenguaje grandes en tareas de planificación.