Arman Cohan

Une étude révèle un chevauchement de données important qui affecte les évaluations des modèles de langage dans la génération de code.

Un nouveau jeu de données aide les modèles IR à s'adapter à des instructions complexes pour de meilleures performances.

La contamination des données affecte grave l'évaluation des grands modèles de langue.

Deux méthodes améliorent la précision des évaluations de texte générées par l'IA.

Un nouveau critère évalue les modèles pour vérifier les revendications financières dans des documents complexes.

ChemSafetyBench teste des chatbots sur la sécurité chimique et les connaissances.