Derniers articles pour Évaluation

Une nouvelle méthode pour évaluer les LLMs s'aligne avec les valeurs humaines.

Un nouvel outil pour évaluer les biais dans les grands modèles de vision-langage.

Une étude évalue comment les machines créent de la poésie variée et créative comparée à celle des humains.

Une nouvelle méthode améliore notre façon d'évaluer les contre-narrations à la haine.

InternLM-Law améliore les réponses à diverses questions juridiques chinoises grâce à une formation avancée.

Explorer comment les profils d'utilisateurs améliorent la personnalisation dans les modèles de langue.

Des recherches montrent que les modèles galèrent avec les dépendances d'étapes dans les recettes de cuisine.

Ce papier présente une méthode pour évaluer les modèles de langage à travers différents prompts.

Une nouvelle méthode aborde les différences régionales dans l'évaluation des biais de genre.

Le dataset M2Lingual améliore les capacités de suivi des instructions dans plusieurs langues.

Cet article présente une nouvelle méthode pour évaluer efficacement les modèles de texte à image.

Cette étude évalue la performance des modèles linguistiques en utilisant les tests INVALSI italiens.

RAGBench propose un dataset complet pour évaluer les systèmes de Génération Augmentée par Récupération.

Dysca introduit une nouvelle façon d'évaluer la performance des LVLM en utilisant des données synthétiques.

Un aperçu des méthodes modernes en conception d'ingénierie pour l'efficacité et la performance.

Une nouvelle approche améliore l'extraction d'événements causaux en utilisant une évaluation centrée sur l'humain.

Évaluer comment le fait de faire confiance aux experts humains affecte la précision des prédictions dans les modèles d'IA.

Présentation d'une nouvelle méthode pour de meilleures solutions dans des tâches complexes en ingénierie et en robotique.

Une étude évaluant la qualité des jeux de données pour identifier les discours de haine en ligne.

Une nouvelle méthode mesure comment les modèles linguistiques adaptent leurs croyances avec de nouvelles preuves.

Nouveau repère améliore l'évaluation des modèles multimodaux en minimisant les biais.

GraphArena évalue la performance des LLM sur des problèmes de graphes en utilisant des données du monde réel.

Explore une méthode équitable pour partager le mérite dans les projets de groupe.

Un nouveau repère pour évaluer les grands modèles de langage dans les tests d'hypothèses.

CRAB améliore les tests pour les modèles de langage dans des environnements réels.

Cet article examine l'impact des changements temporels sur les évaluations des systèmes de recherche d'information.

Présentation de FairMedFM pour évaluer l'équité des modèles de fondation dans le secteur de la santé.

Nouveau dataset améliore la performance du modèle de langue arabe et favorise une communication efficace.

Étudier comment la quantification affecte les performances dans différentes langues.

Explorer des modèles d'apprentissage machine et de nouvelles bases de données pour améliorer la sécurité.

Un nouveau benchmark s'attaque aux défis de la récupération de code pour les développeurs.

De nouvelles méthodes améliorent la fiabilité des textes générés par les modèles de langage.

Un outil pour identifier les réponses trompeuses des grands modèles de langages.

Découvre l'importance et les défis d'évaluer efficacement la performance des LLM.

Un aperçu des classements des modèles de fondation et de leurs problèmes d'évaluation.

L'étude révèle le biais dans les outils d'évaluation de l'IA qui favorisent les réponses plus longues.

Une nouvelle approche améliore la précision des évaluations des modèles linguistiques.

Une nouvelle méthode pour sélectionner des langues diverses dans la recherche en traitement du langage naturel.

Un nouveau repère évalue les capacités de raisonnement temporel des grands modèles de langage.

Approche innovante pour créer des fonctions d'acquisition efficaces pour l'optimisation bayésienne.