Últimos artículos para Procesamiento de Lenguaje Natural

HQA-Attack crea ejemplos adversariales de alta calidad en texto mientras mantiene el significado.

Este artículo revisa técnicas para mejorar la eficiencia y el rendimiento de los Modelos de Lenguaje Grande.

El KB-Plugin mejora cómo los LLMs acceden y utilizan bases de conocimiento menos conocidas.

La investigación muestra cómo los vectores de estilo pueden controlar la salida de texto en los modelos de lenguaje.

Un método para acelerar modelos de lenguaje grandes sin sacrificar la calidad de salida.

Un nuevo método simplifica la comprensión de los modelos de clasificación de voz.

Este estudio analiza cómo los modelos de lenguaje manejan temas familiares y no familiares.

Presentamos DE-BERT, un marco que mejora la eficiencia en los modelos de lenguaje a través de estrategias de salida temprana.

La selección efectiva de datos mejora el rendimiento de los modelos de lenguaje durante el ajuste de instrucciones.

Este artículo habla sobre técnicas para mejorar la eficiencia de los LLMs con textos largos.

Usando léxicos multilingües para mejorar el análisis de sentimientos en idiomas de bajos recursos.

Nuevos métodos GliDe y CaPE mejoran los tiempos de respuesta de los modelos de lenguaje de manera significativa.

Un nuevo enfoque mejora la eficiencia y calidad de la revisión de código a través del aprendizaje profundo.

Aprovechando LLMs para simplificar la contratación de pacientes para ensayos clínicos.

Esta investigación mejora las RNNs usando múltiples perspectivas para un mejor procesamiento de textos.

Este artículo habla sobre un nuevo método para K-VQA usando LLMs para mejorar la precisión.

CompeteSMoE mejora la eficiencia de entrenamiento y el rendimiento en modelos de Mezcla Escasa de Expertos.

Creando etiquetadores POS para idiomas con datos de entrenamiento limitados.

Aprende métodos para mejorar la velocidad y eficiencia del entrenamiento de BERT usando GPUs.

LB-KBQA mejora el reconocimiento de intenciones en preguntas y respuestas financieras.

Nuevas técnicas de razonamiento indirecto mejoran significativamente el rendimiento de los modelos de lenguaje en tareas complejas.

Un nuevo método mejora la Navegación de Visión y Lenguaje usando datos de entrenamiento de videos de conducción.

Este documento habla sobre métodos para usar los servicios de LLM de manera eficiente.

Descubre cómo Mamba cambia el aprendizaje en contexto para aplicaciones de inteligencia artificial.

Un nuevo método para mejorar la proyección de etiquetas en NLP multilingüe.

SIDU-TXT ilumina las decisiones de IA en el procesamiento del lenguaje natural.

Este artículo presenta estrategias y un nuevo método para una selección efectiva de muestras en el aprendizaje de pocos ejemplos.

DeRa ofrece un método para ajustar la alineación del modelo de lenguaje sin necesidad de reentrenar.

Estrategias para mejorar los motores de búsqueda en varios idiomas con datos limitados.

Este estudio investiga cómo los modelos aumentados con recuperación mejoran la fiabilidad en la generación de lenguaje.

Un método para ajustar modelos de lenguaje usando menos parámetros.

El marco NORMY mejora la QA conversacional al mejorar la recuperación y el entendimiento del contexto.

Esta investigación examina la eficiencia de la computación hacia atrás en el entrenamiento de modelos de lenguaje.

CAST mejora la eficiencia de la autoatención en modelos Transformer para secuencias largas.

Examinando los riesgos de contaminación de datos en modelos de lenguaje de código cerrado.

Un nuevo método que combina modelos de lenguaje con estrategias de optimización para mejorar el rendimiento.

Un nuevo método mejora la eficiencia de aprendizaje mientras retiene el conocimiento pasado.

Explorando el impacto de las capas de atención en el aprendizaje a partir del texto.

Este estudio se centra en mejorar la extracción de habilidades usando modelos de lenguaje avanzados.

Un nuevo método utiliza estados internos para mejorar la precisión en los LLMs.