Últimos artículos para Procesamiento de Lenguaje Natural

Nuevos métodos mejoran la velocidad y eficiencia en los mecanismos de atención para modelos de lenguaje.

La investigación se centra en mejorar la precisión y fiabilidad de los modelos de lenguaje.

KVMerger reduce el uso de memoria en modelos de lenguaje mientras mantiene el rendimiento a través de una fusión efectiva de estados.

Un nuevo enfoque mejora las habilidades matemáticas de los modelos de lenguaje usando técnicas de autoentrenamiento.

Aprende sobre un nuevo modelo para manejar documentos largos de manera efectiva.

Una mirada profunda a la selección de modelos de embedding para la generación mejorada por recuperación.

Investigando la destilación de conocimiento simbólico en modelos de lenguaje grandes para más claridad y utilidad.

GRAD-SUM automatiza la creación de prompts para obtener mejores resultados con modelos de lenguaje grandes.

Examinando la eficiencia y el uso de energía de los Modelos de Lenguaje Grande en aplicaciones de IA.

Este artículo examina cómo los cambios en las capas afectan el rendimiento del modelo transformador.

ACoNE ofrece un modelo eficiente para generar incrustaciones de consulta explicables.

DANIEL integra varias técnicas para sacar info de documentos manuscritos de manera eficiente.

Los investigadores desarrollan métodos para alinear mejor los modelos de lenguaje con las preferencias humanas.

Analizando cómo los LLMs manejan las inexactitudes del texto en situaciones del mundo real.

Combinar UMLS con GPT mejora la extracción de información médica de textos clínicos.

Los investigadores encuentran formas de reducir el tamaño de los modelos de detección de intenciones sin perder precisión.

Explora cómo Hydra y las matrices estructuradas mejoran la eficiencia y precisión en el modelado de secuencias.

Resaltando los esfuerzos para mejorar el NER en árabe a través de la iniciativa WojoodNER.

Un nuevo conjunto de datos busca mejorar los modelos de lenguaje en hindi para aplicaciones de IA.

MaskMoE mejora el aprendizaje de tokens en modelos MoE al potenciar el rendimiento de tokens poco frecuentes.

Nuevos métodos mejoran la capacidad de los modelos de lenguaje para manejar actualizaciones de conocimiento multilingües.

GenSco mejora los sistemas de QA al aumentar la precisión y coherencia en las respuestas de preguntas multi-hop.

Una mirada al aprendizaje PAC y su papel en la toma de decisiones eficientes basadas en datos.

Los investigadores exploran enfoques sin texto para entender mejor el lenguaje hablado.

Una mirada más cercana a los métodos para asegurar que los LLMs estén a salvo de mal uso.

WeLore trae eficiencia a los modelos de lenguaje grandes al simplificar las matrices de peso.

Un nuevo conjunto de datos tiene como objetivo mejorar la comprensión de las instrucciones en persa por parte de la IA.

Este artículo habla sobre cómo mejorar la resistencia de los VLM a ataques adversariales a través de elecciones de diseño.

Un nuevo método mejora la clasificación kNN usando gradientes para una mejor representación de características.

Un estudio sobre cómo recopilar y usar la retroalimentación de los usuarios para mejorar los modelos de lenguaje.

WGQA mejora la eficiencia de los modelos de lenguaje mientras reduce las necesidades de memoria.

Este estudio revela cómo los LLMs evolucionan sus capacidades durante el entrenamiento.

DocBench evalúa sistemas basados en LLM para leer y responder a diferentes formatos de documentos.

Los investigadores mejoran la redacción de fórmulas en hojas de cálculo usando modelos de lenguaje para dar mejor apoyo a los usuarios.

Usar modelos de lenguaje para mejorar tareas en idiomas poco representados mediante la generación de datos.

Una mirada a cómo CLIP procesa la negación en el lenguaje.

La investigación revela efectos diferentes de las técnicas de blanqueo en los embeddings de oraciones en tareas de PNL.

BinaryAlign mejora la precisión de alineación de palabras tanto para lenguas de alto como de bajo recurso.

Un nuevo método permite a los modelos de lenguaje generar sus propios datos de entrenamiento para un mejor rendimiento.

Un estudio revela riesgos de seguridad por envenenamiento de datos en modelos de lenguaje grandes.