Últimos artículos para Procesamiento de Lenguaje Natural

Presentando un marco para evaluar el rendimiento de LLM en tareas de grafos de conocimiento.

Un nuevo modelo mejora el análisis de documentos para trabajos en bengalí.

Una mirada a cómo la inferencia de lenguaje natural ayuda a predecir enlaces de artículos de Wikipedia.

Explorando el papel de RLAIF en mejorar el entrenamiento de modelos de lenguaje.

Usando datos reales y generados para mejorar el rendimiento del modelo QA.

Explorando el papel de los modelos de lenguaje en enseñar a los robots a aprender a través de la interacción.

Explorando la integración de redes neuronales y razonamiento simbólico en la IA.

Explorando la importancia de entender los modelos de lenguaje grandes.

Nuevo conjunto de datos y métodos mejoran la precisión en las respuestas a preguntas sobre videos.

El marco de UniSA unifica tareas en el análisis de sentimientos para mejorar el reconocimiento de emociones.

Aprende cómo el espacio de incrustación afecta la precisión del texto en modelos de lenguaje grandes.

Este artículo habla sobre cómo usar LLMs para automatizar el aprendizaje de ontologías a partir de texto no estructurado.

Un nuevo estándar para detectar errores en conjuntos de datos de ajuste de instrucciones.

Un marco para la adaptación eficiente de modelos de lenguaje grandes multimodales.

Un nuevo modelo mejora la recuperación de imágenes en 201 idiomas con recursos limitados.

FlaMB e proporciona información estructurada para extraer conocimiento procedimental de artículos biomédicos.

Avances en investigación sobre la respuesta a preguntas en videos usando elementos de texto y visuales.

Este estudio investiga la relación entre las habilidades emergentes y el aprendizaje en contexto en grandes modelos de lenguaje.

Delta-LoRA simplifica el ajuste fino para modelos de lenguaje grandes, con mejor rendimiento y menos uso de recursos.

Este método usa incrustaciones contextuales para medir cómo cambian los significados de las palabras con el tiempo.

Te presentamos nanoT5, un marco eficiente en recursos para entrenar modelos de lenguaje avanzados.

DaTrans busca mejorar los sistemas de diálogo integrando modelos de lenguaje preentrenados.

Un nuevo enfoque combina datos de texto e imagen para un mejor análisis.

Los investigadores abordan la comprensión de imágenes con el desafío NICE.

Un nuevo modelo mejora la identificación de metáforas en el procesamiento de lenguaje natural.

Un nuevo método mejora la efectividad de los LLMs para tareas de Extracción Abierta de Información.

Un enfoque basado en Transformer mejora la precisión en el reconocimiento de caracteres manuscritos.

Un enfoque estructurado para crear conjuntos de datos efectivos para el análisis del discurso de odio.

Un nuevo modelo mejora la minería de texto en redes sociales en vietnamita.

Un nuevo método mejora la precisión de los LLM en aplicaciones médicas.

Un estudio evalúa la capacidad de los modelos de lenguaje para encontrar evidencia en resúmenes científicos.

Este estudio analiza la capacidad de ChatGPT para dar recomendaciones en diferentes áreas.

Un estudio evalúa los codificadores de oraciones más populares y su comprensión de los significados del lenguaje.

Mejoramos los modelos de VQA incorporando razonamiento, lo que lleva a una mejor comprensión visual.

Nuevos métodos mejoran la detección de intenciones con ejemplos limitados.

DetermiNet busca mejorar la habilidad de los modelos para identificar objetos usando determinantes.

Los robots pueden aprender mejor al interactuar con humanos usando lenguaje cotidiano.

Un nuevo enfoque combina el aprendizaje en contexto y el ajuste fino para mejorar el rendimiento del modelo.

Nuevos métodos se centran en mejorar la calidad de los datos de entrenamiento para los modelos de lenguaje.

Un nuevo método mejora la detección de emociones en el habla usando solo audio.