Se-Young Yun

hFedF améliore la performance de l'apprentissage fédéré en s'attaquant aux défis de la généralisation de domaine.

Présentation de BMTPT pour améliorer le tuning des prompts dans les modèles de langage.

Preference Flow Matching propose une nouvelle façon d'aligner les résultats de l'IA avec les préférences des utilisateurs.

Le Block Transformer améliore la vitesse et l'efficacité du traitement de texte dans les modèles de langage.

De nouvelles méthodes dans l'apprentissage fédéré améliorent la vie privée et la performance des modèles tout en gérant des données variées.

Une nouvelle approche pour classifier les données tabulaires en utilisant des ICL-transformers montre des résultats prometteurs.

Les recherches montrent que la vidéo aide à améliorer la reconnaissance vocale dans des environnements bruyants.

BAPO améliore les modèles de langage tout en gardant les connaissances essentielles et les préférences des utilisateurs.

De nouvelles séquences de confiance améliorent l'estimation de l'incertitude dans les modèles statistiques.

TACS aide les scientifiques à créer des molécules stables avec les propriétés souhaitées.