Philip S. Yu

Les moteurs de recherche génératifs font face à des défis avec des questions d'adversaire, ce qui impacte leur précision.

Explorer l'impact des modèles de langage sur l'apprentissage et l'enseignement des étudiants.

Des stratégies efficaces pour gérer l'incertitude dans les réseaux de neurones graphiques améliorent la fiabilité.

De nouvelles méthodes de regroupement de graphes permettent une flexibilité dans le groupement sans avoir besoin de connaître le nombre de clusters.

Cet article présente une méthode pour mieux gérer les données manquantes.

Un cadre qui détecte des anomalies dans les graphes tout en favorisant un traitement équitable.

IGL-Bench offre des outils essentiels pour mieux analyser les graphes déséquilibrés.

Une méthode pour améliorer la vie privée des données dans l'apprentissage fédéré en supprimant des influences de données spécifiques.

WaterSeeker améliore les méthodes de détection pour le texte filigrané dans de gros documents.

Intégrer des transcriptions phonémiques peut améliorer la performance des LLM dans différents alphabets.

Une nouvelle méthode améliore l'extraction des relations dans les documents pour de meilleures connexions.

De nouvelles méthodes améliorent la détection des anomalies dans les réseaux en évolution.

Les grands modèles de langage améliorent les évaluations de résumé de code avec des évaluations créatives.

Découvre comment le codage probabiliste transforme l'interprétation des données et la prise de décision.