Naoaki Okazaki

Une étude sur l'impact des techniques de dé-biaisage dans les modèles de langage.

Analyser le biais de genre dans les modèles de langage à travers l'inférence en langage naturel.

Une nouvelle approche améliore les explications pour les corrections grammaticales en utilisant des modèles de langage.

La recherche met en avant le biais dans les évaluations des modèles de langage et propose des méthodes pour améliorer ça.

Examiner les effets de la réduction de vocabulaire sur la qualité et l'efficacité de la traduction.

Créer des ressources pour DocRE en japonais grâce au développement de jeux de données innovants.

Un corpus japonais solide créé à partir de données de Common Crawl améliore la performance des LLM.

Améliorer les modèles de langue japonaise avec des connaissances en anglais booste grave les performances.

Un aperçu du modèle HMoE et de ses avantages dans le traitement du langage.

Explorer comment l'échantillonnage uniforme améliore la tokenisation dans le traitement du langage naturel.

Explorer l'importance de développer des grands modèles linguistiques dans les langues locales.