Ge Zhang

Découvre les processus derrière l'entraînement des modèles de langage IA avancés.

MuPT utilise la notation ABC pour une génération musicale efficace avec l'IA.

MAP-Neo vise la transparence et la performance dans la modélisation du langage IA.

MMLU-Pro met au défi les modèles de langage avec des questions plus difficiles et plus d'options de réponse.

Une nouvelle méthode aide à équilibrer les données d'entraînement pour une meilleure performance de l'IA.

Examiner les difficultés de traduire un langage métaphorique en traduction automatique.

GIEBench évalue les réponses empathiques des LLM en se basant sur des identités de groupe diverses.

DDK améliore la distillation des connaissances, rendant les petits modèles de langue plus efficaces.

I-SHEEP permet aux grands modèles de langage d'apprendre en continu à partir de données générées.

Explorer comment l'apprentissage des préférences améliore l'alignement des modèles de langage avec les attentes humaines.

Un nouvel outil évalue la performance des grands modèles de langage sur différents types de données.

Les chercheurs utilisent des bugs de jeux pour apprendre à l'IA le bon sens physique.