Derniers articles pour Ajustement fin

Techniques pour réduire la génération de langage nuisible dans les modèles d'IA.

Une méthode pour améliorer les modèles de langue en créant des dialogues captivants sur plusieurs tours.

Une nouvelle méthode pour améliorer la performance des modèles sur des données hors distribution.

Une nouvelle méthode pour affiner les modèles de langage de manière efficace avec moins de paramètres.

Cette étude examine le Mix-Training pour la détection de mots-clés dans des conditions de parole bruyante.

CLIP-CITE améliore les modèles CLIP pour des tâches spécifiques tout en gardant de la flexibilité.

Une nouvelle méthode améliore la génération d'images en utilisant efficacement des ensembles de données limités.

Améliorer les systèmes de reconnaissance vocale pour les langues avec peu de données en ligne.

Explore les avantages et les applications de l'adaptation de faible rang dans les modèles d'IA.

Une nouvelle méthode améliore les modèles de NLP en se concentrant sur les transformations syntaxiques.

Cette étude se concentre sur la réduction des biais de genre dans les modèles de langage IA en utilisant un langage inclusif.

Les machines s'améliorent à répondre aux questions sur les images grâce à un entraînement structuré.

Cet article explore la surparamétrisation et son impact sur l'efficacité de l'entraînement des modèles.

Un aperçu des préoccupations de sécurité des modèles de langage compressés.

SBoRA améliore l'affinage des grands modèles de langage, économisant des ressources et boostant les performances.

LoRA améliore la performance des gros modèles de langage tout en économisant des ressources.

Une nouvelle méthode simplifie la génération d'images personnalisées à partir de texte.

Présentation des matrices Group-and-Shuffle pour un ajustement efficace des modèles neuronaux.

Une nouvelle méthode pour améliorer les modèles pré-entraînés en utilisant un réglage fin sélectif.

Un nouveau cadre contrôle l'apprentissage en contexte pour éviter les abus dans les modèles d'IA.

Une nouvelle méthode combine des vidéos et des données IMU pour améliorer les techniques de reconnaissance d'actions.

Une nouvelle méthode qui améliore la performance du modèle grâce à une gestion efficace des valeurs aberrantes.

Présentation de l'adaptation par sous-espace aléatoire pour un ajustement efficace des modèles linguistiques.

Un projet axé sur l'amélioration de la génération d'histoires en arabe en utilisant des modèles avancés.

Stratégies pour améliorer les modèles de machine learning avec des ensembles de données qui changent.

Des chercheurs développent des méthodes pour améliorer les modèles de langue pour différentes langues.

WeLore rend les modèles de langage larges plus efficaces en simplifiant les matrices de poids.

Ce papier étudie comment l'entraînement influence les prédictions des grands modèles de langage.

Une étude évalue l'adaptabilité des modèles de langage pour résumer des sujets variés.

Découvrez comment l'apprentissage par transfert améliore les résultats des modèles en utilisant des connaissances provenant de tâches connexes.

Une étude sur à quel point les LLMs fonctionnent comme des bases de connaissances fiables.

Un aperçu de la façon dont les modèles open-source se comparent à leurs homologues commerciaux dans les tâches biomédicales.

Examiner les problèmes avec les grands modèles de langage pour prédire les éléments manquants d'une liste.

Ce document examine les attaques backdoor et leurs implications sur la sécurité de l'apprentissage automatique.

Une nouvelle méthode améliore la détection d'objets dans les images de télédétection.

La recherche améliore la capacité des modèles de langage à traiter des infos liées au temps dans les tableaux.

Une nouvelle méthode améliore la façon dont les modèles vision-langage s'adaptent pendant les tests.

Une nouvelle façon d'évaluer la performance des modèles et la rétention des connaissances.

Cette étude améliore la mesure de la tête fœtale par ultrasons grâce à des techniques de deep learning.

Une méthode pour améliorer le comportement des modèles de langage contre les sorties nuisibles.