Derniers articles pour Évaluation

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.

Un nouveau jeu de données améliore la précision dans l'évaluation des résumés d'histoires générés par des modèles de langage.

Une nouvelle méthode pour évaluer les agents d'analyse de données afin d'obtenir de meilleures idées pour les affaires.

Un défi pour améliorer la compréhension des interactions humaines par les robots.

Un nouveau cadre vise à automatiser les revues de papiers pour obtenir des retours de meilleure qualité.

Présentation de DictaLM 2.0 et DictaLM 2.0-Instruct pour une meilleure traitement de la langue hébraïque.

Cette étude examine à quel point les modèles représentent bien les cultures différentes.

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

Une nouvelle approche pour évaluer les grands modèles de langage afin d'obtenir de meilleures idées sur leurs performances.

La recherche présente de nouvelles méthodes pour évaluer les systèmes de reconnaissance vocale en polonais.

Découvrez comment les données synthétiques aident les détaillants à protéger la vie privée des clients tout en obtenant des insights.

DocBench évalue des systèmes basés sur des LLM pour lire et répondre à différents formats de documents.

Un cadre pour évaluer les capacités des LLM dans les tâches liées aux données avec des interprètes de code.

Examiner l'impact des LLM sur les stéréotypes sociaux et comment améliorer les résultats.

Cette étude propose une nouvelle méthode d'évaluation pour la compréhension vidéo-texte.

Analyser l'importance et les difficultés d'évaluer les modèles d'IA multimodaux.

Un nouveau jeu de données pour améliorer la performance des réponses aux questions avec de longues réponses rédigées par des humains.

Les modèles Phi-3 se concentrent sur la sécurité et l'alignement avec les valeurs humaines.

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

Une étude comparant les modèles d'IA et les évaluations humaines des résumés scientifiques.

Un nouveau benchmark évalue les modèles de langage sur des défis de codage scientifique dans plusieurs domaines.