Sewoong Oh

De meilleures légendes peuvent améliorer la performance des modèles multimodaux en utilisant des images trouvées sur le web.

Cette étude examine comment les données de pré-entrainement influencent la robustesse du modèle dans différentes tâches.

Cette recherche se concentre sur l'amélioration de l'efficacité et de la vie privée dans l'apprentissage fédéré grâce à des méthodes de compression adaptatives.

De nouvelles techniques améliorent la fiabilité des codes polaires grâce à l'apprentissage automatique pour la communication numérique.

Explorer des méthodes de fine-tuning pour améliorer la précision du modèle tout en garantissant la confidentialité des données.

Inclure des données non anglophones améliore la performance des modèles vision-langage et la compréhension culturelle.

De nouvelles méthodes améliorent la fusion de modèles pour de meilleures performances en apprentissage automatique.

Explorer les avantages et applications de l'auto-distillation pour améliorer les modèles d'apprentissage machine.

Une nouvelle méthode améliore la qualité des données synthétiques pour un meilleur alignement des modèles de langage.

Examiner les problèmes de copyright avec l'apprentissage machine dans la génération de contenu.