Derniers articles pour Ajustement fin

Des chercheurs créent un jeu de données pour améliorer la prise de décision éthique des modèles de langage.

Explorer des méthodes efficaces pour ajuster les LLM et s'attaquer aux problèmes environnementaux.

Examine le rôle d'IKUN et IKUN-C dans la traduction de plusieurs langues de manière efficace.

Des recherches montrent un remplacement efficace des embeddings positionnels dans les modèles de traduction.

Examiner le rôle des données dans l'amélioration de la traduction pour les langues à faibles ressources.

Cet article examine comment les modèles reconnaissent le ton, l'accentuation et les accents de hauteur.

Un aperçu des avantages des modèles locaux et des pipelines LLMOps.

L'étude examine l'efficacité des LLM spécialisés dans les tâches cliniques.

Découvrez comment des chatbots sur mesure peuvent améliorer les expériences éducatives dans l'enseignement supérieur.

Une nouvelle méthode aide à identifier la contamination des données de test dans les LLMs en utilisant les probabilités des tokens.

Découvrez des méthodes efficaces pour affiner des grands modèles de langage en utilisant le bruit gaussien.

Un nouvel algorithme améliore l'efficacité des ensembles de données pour le fine-tuning des modèles de langue.

Explorer comment les LLMs transforment l'avenir des soins de santé.

Un aperçu de comment l'apprentissage par transfert influence la performance des modèles à travers les lois de mise à l'échelle.

Une nouvelle méthode combine des connaissances d'experts avec de grands modèles pour analyser les signaux de vibration industrielle.

Une nouvelle méthode utilise des données vocales pour améliorer les évaluations de l'autisme.

De nouvelles méthodes améliorent la façon dont les robots apprennent et s'adaptent aux tâches.

De nouvelles méthodes améliorent l'efficacité de la génération d'images sur les appareils limités.

Cet article présente une nouvelle méthode pour des systèmes de dialogue réalistes en utilisant des traits spécifiques aux utilisateurs.

Une nouvelle méthode pour améliorer la précision et l'efficacité de la récupération k-NN.

Cette étude examine la création de radiographies thoraciques réalistes grâce à des techniques avancées d'apprentissage automatique.

Une étude révèle des vulnérabilités dans les modèles d'IA à cause des attaques par porte dérobée.

SSR améliore la performance des modèles de langue tout en gardant leurs capacités générales.

AstroMAE utilise des autoencodeurs masqués pour améliorer les prévisions de décalage vers le rouge en astronomie.

Les chercheurs ajustent les LLMs pour améliorer l'honnêteté et la fiabilité des résultats.

Cet article parle des défis et des solutions pour évaluer les modèles de question-réponse ancrés.

Une nouvelle approche améliore la clarté de la recherche en utilisant des graphes de connaissances cognitives et des modèles de langage.

Un aperçu des dernières avancées dans les modèles de traduction automatique.

Une nouvelle méthode pour adapter des modèles d'IA avec peu de données étiquetées.

Un nouveau cadre améliore l'apprentissage automatique pour le contrôle des mouvements dans différents environnements.

Explorer les préoccupations en matière de confidentialité dans le réglage des modèles de diffusion avec des données personnelles.

Block-Attention améliore les modèles de langage en accélérant les réponses tout en gardant la précision.

Une étude explore le développement de l'ASR pour l'Amis et le Seediq, en se concentrant sur l'utilisation des données.

Cette étude explore des modèles génératifs pour créer des mots-clés efficaces dans des articles scientifiques.

Un aperçu de comment l'IRL améliore la performance et la diversité des modèles de langage.

De nouvelles méthodes améliorent la précision et l'efficacité des traductions pour plusieurs langues.

Une nouvelle méthode améliore l'efficacité du fine-tuning des modèles de langage.

Explorer de nouvelles méthodes pour améliorer les prévisions de séries temporelles en utilisant la perte de Wasserstein.

Examiner comment le fine-tuning affecte la sécurité des modèles de langage dans différentes tâches.

Les transformers améliorent la précision de classification pour le trouble du spectre autistique grâce à une analyse avancée des images cérébrales.