Últimos artículos para Procesamiento de Lenguaje Natural

Mejorando los LMMs para razonar y hacer preguntas para mayor precisión.

Un enfoque nuevo mejora las conexiones entre las imágenes y sus subtítulos.

MatSciRE facilita la extracción de datos de artículos de ciencia de materiales para ayudar en la investigación de baterías.

Un método para manejar ambigüedades en nombres propios a través de la polisemia regular.

Una mirada a el Reconocimiento de Entidades Nombradas y sus aplicaciones clave.

Explora el papel del autoentrenamiento en la mejora de los procesos de datos a texto.

Un nuevo método acelera la generación de texto de LLM usando cabezas de predicción adicionales.

Orion-14B se destaca en entender y generar texto multilingüe con 14 mil millones de parámetros.

Un nuevo enfoque mejora los modelos de PNL contra ataques adversariales a través de la paráfrasis dirigida.

Descubre las últimas técnicas y desafíos para crear imágenes a partir de texto.

Mejorando la adaptabilidad del modelo de lenguaje a través de la recuperación selectiva de ejemplos.

Nuevos métodos evalúan cómo los sistemas de diálogo mantienen la consistencia de la personalidad.

Nuevas estrategias mejoran la comprensión de imágenes y texto en los modelos.

Un nuevo modelo convierte las recetas de cocina en gráficos para que sean más fáciles de entender.

Este estudio revisa qué tan bien los modelos de lenguaje entienden preguntas relacionadas con el tiempo.

Un nuevo marco mejora la segmentación de objetos basada en descripciones en lenguaje natural.

Examinando cómo los LLMs prefieren contextos generados en lugar de los recuperados al responder preguntas.

SHACL ofrece una solución práctica para modelar requisitos regulatorios complejos.

Este estudio propone nuevos métodos para evaluar respuestas en la respuesta a preguntas en máquinas.

Nuevas técnicas están mejorando los sistemas de respuesta a preguntas en árabe para un mejor rendimiento.

El meta prompting mejora el rendimiento de los modelos de lenguaje a través de la descomposición de tareas y la colaboración entre expertos.

Examinando los desafíos que enfrentan los modelos transformer para aprender la recursión estructural.

Un nuevo método reduce los parámetros en los modelos de transformadores sin perder rendimiento.

Este estudio resalta la importancia de medir la incertidumbre en las evaluaciones de modelos de lenguaje.

Este marco mejora cómo se combina el conocimiento en los modelos de aprendizaje automático para tener un mejor rendimiento.

Un estudio sobre cómo combinar rasgos grupales e individuales en el procesamiento del lenguaje natural.

APT-Pipe automatiza la afinación de prompts para una anotación de texto eficiente usando ChatGPT.

La investigación explora cómo las computadoras participan en conversaciones basadas en imágenes.

Un proyecto tiene como objetivo mejorar el procesamiento del habla en francés usando aprendizaje auto-supervisado.

Nuevos métodos mejoran cómo las máquinas reconocen el ritmo y la emoción del habla.

Un nuevo modelo de lenguaje mejora las capacidades de comprensión y generación de texto en turco.

Un estudio sobre cómo reducir el ruido en los textos en Bangla para mejorar el análisis de sentimientos.

Una comparación de ChatGPT y BERT en la comprensión de los cambios en el significado de las palabras a lo largo del tiempo.

Un nuevo marco mejora el aprendizaje continuo para tareas que combinan visión y lenguaje.

Este estudio evalúa qué tan bien los LLMs recuerdan el conocimiento estructurado de las ontologías.

Un nuevo conjunto de datos para probar sistemas RAG en preguntas complejas de múltiples saltos.

Un nuevo método mejora la completación de grafos de conocimiento usando modelos de lenguaje grandes.

Nuevos marcos buscan mejorar la eficiencia de los LLM con integración de herramientas.

OpenMoE muestra enfoques innovadores para mejorar la eficiencia y el rendimiento de los modelos de lenguaje.

Nuevos modelos buscan mejorar la tecnología de lenguaje para los hablantes de portugués brasileño.