Kenji Kawaguchi

Une nouvelle approche améliore la diversité des prompts pour des modèles de langage plus sûrs.

Une méthode pour réduire la taille des grands modèles de langage tout en gardant leur performance.

La déderivation de gradient avancée propose des solutions efficaces pour optimiser de grands modèles d'apprentissage automatique.

Cette approche utilise l'auto-évaluation pour se protéger contre les résultats nuisibles dans les modèles de langue.

Des recherches montrent que des changements simples dans les entrées peuvent entraîner des résultats nuisibles dans les LLMs.

Ce papier propose une méthode pour convertir l'ICL en poids de modèle afin d'améliorer la performance.

Nouvelles méthodes améliorent la résolution d'équations aux dérivées partielles fractionnaires complexes.

Des chercheurs développent des méthodes pour résoudre les équations FPL complexes plus efficacement.

Cet article examine comment le biais de format affecte la performance des modèles de langage et propose des stratégies d'amélioration.

Mamba propose une nouvelle méthode pour analyser des systèmes complexes en utilisant l'apprentissage automatique.

Cet article examine comment différentes couches affectent la performance des LLM.

Les fautes de frappe peuvent vraiment embrouiller les modèles de langage avancés et influencer leurs réponses.

Explore comment AnchorAttention améliore l'efficacité dans le traitement des longs textes avec des modèles de langage.

Une nouvelle méthode simplifie les maths complexes pour des calculs plus rapides et plus faciles.

Une nouvelle méthode pour tailler efficacement les modèles d'IA qui génèrent des images tout en préservant la qualité.