Últimos artículos para Procesamiento de Lenguaje Natural

Un nuevo modelo mejora la conexión entre los videos y sus descripciones en texto.

Examinando el papel y los desafíos de la tokenización en el procesamiento del lenguaje natural.

El estudio evalúa la adaptabilidad de los modelos de lenguaje para resumir temas diversos.

Analizando cómo los transformers cuentan las ocurrencias de ítems en secuencias.

BootRet mejora la precisión en la recuperación de documentos con actualizaciones dinámicas de identificadores.

Examinando cómo los LLM pueden sumar números sin pasos explícitos.

Combinar LLMs y Prolog mejora el razonamiento en la generación de texto.

Un nuevo método mejora la eficiencia de incrustación para modelos de lenguaje.

ReSP mejora la respuesta a preguntas de múltiples saltos a través de la recuperación estructurada y la resumición inteligente.

Aprende cómo la ingeniería de prompts mejora el rendimiento de los modelos de lenguaje en tareas de PLN.

Descubre cómo el aprendizaje por transferencia mejora los resultados del modelo usando conocimientos de tareas relacionadas.

Nuevo modelo combina lenguaje natural y contacto 3D entre manos y objetos para mayor realismo.

Una mirada a cómo las máquinas reconocen el sarcasmo a través de nuevos métodos.

Este artículo examina cómo la inicialización de embeddings afecta el rendimiento del modelo transformer.

Un nuevo enfoque para medir la dificultad de los datos y mejorar el entrenamiento de modelos.

Este artículo examina la efectividad de los modelos multimodales usando datos de lenguaje y visuales.

Un estudio sobre cómo mejorar la precisión de la transcripción a través de un mejor diseño de prompts.

Este estudio destaca las mejoras en STR usando RoBERTa en varios idiomas.

Combinar la comprensión del lenguaje y la visión mejora las capacidades de navegación de los robots.

Este artículo destaca el rendimiento de los modelos de lenguaje ternarios y su eficiencia.

Un nuevo método automatiza la creación de datos para tareas de anclaje visual, mejorando la eficiencia del aprendizaje automático.

Una mirada al enfoque de Mamba para identificar objetos indirectos en las oraciones.

Nuevos métodos prometen una mejor comprensión lectora en entornos clínicos.

Un nuevo conjunto de datos para mejorar el rendimiento en preguntas y respuestas usando respuestas largas, hechas por humanos.

Un nuevo enfoque mejora las redes neuronales gráficas usando modelos de lenguaje grandes.

Aprende métodos efectivos para ajustar modelos de lenguaje grandes con menos datos y a un costo más bajo.

Un nuevo enfoque para mejorar los modelos de lenguaje usando la retroalimentación humana.

X-Former mejora cómo los modelos combinan la comprensión de imágenes y texto.

Los robots ahora pueden entender y seguir comandos en lenguaje para agarrar objetos de manera efectiva.

CoAPT mejora la clasificación de imágenes a través de palabras de atributos contextuales en la sintonización de mensajes.

Los investigadores usan la indagación para entender las capacidades de aprendizaje de los modelos de lenguaje a través de un análisis causal.

Un conjunto de datos rumano innovador mejora significativamente el desarrollo de modelos de lenguaje.

Descubre cómo el tamaño del vocabulario influye en el rendimiento de los modelos de lenguaje grandes.

Este estudio compara métodos para detectar posturas sobre temas clave en textos árabes.

Un estudio sobre qué tan bien funcionan los LLMs como bases de conocimiento confiables.

Un nuevo enfoque para analizar datos no estructurados usando técnicas de consulta avanzadas.

Un nuevo conjunto de datos para evaluar la respuesta a preguntas en idiomas indios.

Un nuevo modelo identifica de manera efectiva la autoría analizando estilos de escritura.

LIAR ofrece una nueva forma de podar modelos sin necesidad de reentrenar, mejorando la eficiencia y el rendimiento.

RAG combina la recuperación de datos y la generación de texto para mejorar el rendimiento de los modelos de lenguaje.