Derniers articles pour Évaluation

Examiner les problèmes clés en MARL hors ligne et proposer des solutions standardisées.

Apprends à connaître le CGP, sa fonction, ses avantages, ses applications et ses défis en programmation.

Un nouveau jeu de données améliore la cohérence dans les séquences image-texte pour une création de contenu efficace.

SciEx révèle les forces et les défis des LLMs dans l'évaluation scientifique.

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

Une étude évalue les modèles de langage sur leur capacité à gérer plusieurs tâches en même temps.

Un nouveau benchmark teste les capacités des LLM avec des formats de données structurées.

VCEval propose un moyen automatisé d'évaluer l'efficacité des cours en ligne.

Un nouveau benchmark vise la compositionnalité dans la compréhension vidéo et les modèles de langage.

Une nouvelle méthode améliore les tests pour les modèles de langage en utilisant des données réelles des utilisateurs.

La famille Nemotron-4 340B propose des modèles puissants pour des applications diverses et la génération de données synthétiques.

Évaluer comment les modèles de langue gèrent les indices culturels dans des tâches réelles.

VideoVista propose une évaluation complète pour les modèles de question-réponse vidéo.

Cet article explore des méthodes pour améliorer la fiabilité des artefacts de recherche en informatique.

Les modèles GLM-4 montrent de meilleures capacités dans la compréhension et la génération de langage.

Une étude sur l'utilisation des LLMs pour juger d'autres LLMs et ses implications.

Une étude sur comment les modèles de langage génèrent des raisons convaincantes pour évaluer des arguments.

Deux nouveaux modèles visent à améliorer l'accès à la technologie pour les locuteurs galiciens.

Examiner les difficultés de traduire un langage métaphorique en traduction automatique.

DF40 propose une approche complète pour améliorer les méthodes de détection des deepfakes.

Cette étude évalue l'honnêteté des LLM dans trois domaines clés.

Découvrez comment les entreprises améliorent leurs systèmes de questions-réponses pour un meilleur support utilisateur.

Une étude sur comment l'IA comprend les algorithmes et leurs implications.

Une nouvelle métrique améliore l'évaluation des modèles de classification de texte dans différents domaines.

La contamination des données affecte grave l'évaluation des grands modèles de langue.

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.