Últimos artículos para Procesamiento de Lenguaje Natural

Presentamos DictaLM 2.0 y DictaLM 2.0-Instruct para mejorar el procesamiento del idioma hebreo.

Explorando cómo las máquinas pueden seguir las instrucciones de los humanos en espacios reales.

Explora cómo los modelos de lenguaje representan emociones relacionadas con diversas religiones.

Un nuevo método para mejorar el reconocimiento en documentos complejos.

Una arquitectura de modelo flexible que mejora la eficiencia y el rendimiento del Transformer.

La selección efectiva de datos mejora el rendimiento en los modelos de lenguaje grandes.

Un nuevo enfoque para encontrar momentos en videos usando consultas en lenguaje natural.

Una mirada a cómo los KGs y los LLMs mejoran las aplicaciones de IA.

Los investigadores simplifican métodos para procesar texto y gráficos usando modelos de lenguaje.

Examinando las dificultades que enfrentan los modelos con secuencias largas en varias aplicaciones.

Un nuevo método que mejora el rendimiento del modelo a través de una gestión efectiva de los valores atípicos.

Un modelo impulsado por voz que transforma la interacción de audio con la tecnología.

Un estudio revela conexiones clave sobre cómo funcionan los modelos de lenguaje grandes.

Introduciendo Adaptación de Subespacio Aleatorio para un ajuste eficiente de modelos de lenguaje.

Un nuevo marco mejora el rendimiento de ASR usando datos y recursos limitados.

Mejorar cómo los modelos manejan la evidencia en documentos largos genera confianza en los usuarios.

PaliGemma combina la comprensión de imágenes y texto para aplicaciones versátiles.

Un nuevo método mejora el aprendizaje de los VLMs a partir de etiquetas candidatas ambiguas.

MARS mejora la calidad de las imágenes generadas a partir de descripciones de texto usando técnicas avanzadas.

LAPT simplifica la detección OOD, mejorando la confiabilidad de la IA en situaciones inciertas.

Los métodos automáticos para anotar la membresía en grupos pueden mejorar la equidad en los sistemas de recuperación de información.

Un estudio sobre cómo mejorar la capacidad de la IA para seguir instrucciones en lenguaje natural.

Un nuevo método para un modelado de temas efectivo en textos grandes.

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.