Sebastian Ruder

SEACrowd vise à améliorer la représentation de l'IA pour les langues et les cultures d'Asie du Sud-Est.

Un aperçu de la manière dont la confusion linguistique affecte la génération de texte par l'IA.

Explorer comment les données synthétiques façonnent les modèles d'apprentissage machine et leur comportement.

Étudier comment la quantification affecte les performances dans différentes langues.

BAM améliore l'efficacité de MoE en intégrant les paramètres d'attention et de FFN.

De nouvelles recherches mettent en avant les défis de la représentation des dialectes arabes dans les modèles de langage.