Últimos artículos para Procesamiento de Lenguaje Natural

Un nuevo método mejora el autoentrenamiento para agentes de lenguaje utilizando modelos de reflexión.

Examinando cómo los modelos recurrentes pueden aproximar funciones según los prompts.

Un nuevo método mejora los modelos de lenguaje para tener mejor eficiencia y rendimiento.

Integrar SysCaps en la modelación de energía simplifica la toma de decisiones y mejora las predicciones.

Este artículo presenta un nuevo enfoque para mejorar el rendimiento de KGQA usando GNNs y LLMs.

Esta investigación revela cómo las imágenes y el texto interactúan en tareas de razonamiento.

Examinando la sobreoptimización en los DAAs y su impacto en el rendimiento del modelo.

Enfoque innovador para guiar modelos de lenguaje grandes usando autoevaluación.

El Block Transformer mejora la velocidad y la eficiencia del procesamiento de texto en los modelos de lenguaje.

Una mirada a los tipos de incertidumbre y su importancia en los modelos de lenguaje.

Una mirada a modelos que funcionan sin multiplicación de matrices para una mejor eficiencia.

Un nuevo método mejora la calidad de la traducción a través de una efectiva augmentación de datos.

Este artículo investiga cómo los modelos de lenguaje procesan el aspecto verbal en ruso.

Descubre cómo los Transformers de Mente Extendida mejoran el manejo de la memoria en los modelos de lenguaje.

Este estudio se centra en mejorar el aprendizaje cero disparo a través de mejores descripciones de entidades y relaciones.

Un nuevo método mejora la resolución de eventos al combinar modelos de lenguaje para mayor precisión.

Zyda, un conjunto de datos con 1.3 billones de tokens, mejora el entrenamiento de modelos de lenguaje.

Mejorando métodos para evaluar la similitud de significado entre oraciones en lenguaje natural.

Un nuevo conjunto de datos evalúa el razonamiento de los Modelos de Lenguaje Grande con consultas complejas.

Evaluar la dificultad de las preguntas mejora la efectividad de los sistemas de recuperación de información.

Un nuevo método mejora la puntuación de confianza en los modelos de lenguaje usando explicaciones estables.

Presentamos PlugIR para mejorar las búsquedas de imágenes a través de diálogos interactivos con el usuario.

MIVPG mejora cómo los modelos interpretan imágenes y texto juntos.

Un nuevo marco mejora los métodos de poda para modelos de lenguaje grandes sin necesidad de reentrenar.

Un nuevo método mejora la clasificación de imágenes usando descripciones textuales detalladas.

Presentando un método para ajustar LLMs en dispositivos con pocos recursos.

Un nuevo conjunto de datos mejora la investigación sobre la conexión de eventos en documentos con un lenguaje creativo.

Este estudio examina el uso de la IA en el análisis de las respuestas de los estudiantes en la educación de biología.

Un nuevo modelo replica la comprensión humana en sistemas de IA.

Nuevos métodos como PromptFix ayudan a proteger los modelos de lenguaje de amenazas ocultas.

Explorando la clasificación multi-etiqueta para mejorar el reconocimiento de relaciones discursivas.

Evaluando métodos para el control preciso de las características del texto en las salidas de los LLM.

Un nuevo enfoque mejora la alineación de los modelos de lenguaje usando datos limitados anotados por humanos.

Un nuevo método mejora la alineación y seguridad de los modelos de lenguaje grandes.

Un nuevo método arroja luz sobre cómo los modelos de lenguaje recuerdan los datos de entrenamiento.

Un nuevo método mejora la estimación de incertidumbre en los modelos de lenguaje, aumentando la confianza del usuario.

Explora las habilidades de aprendizaje de los modelos de lenguaje y sus aplicaciones.

ABEX usa Abstract-and-Expand para mejorar los datos de entrenamiento para tareas de comprensión del lenguaje natural.

Este documento explora cómo los MLLMs almacenan y transfieren información al responder preguntas visuales.

Aprende a entrenar modelos para embeddings de texto de manera inteligente y efectiva.