Derniers articles pour Performance du Modèle

Une nouvelle méthode améliore l'équité des modèles en générant des échantillons de données synthétiques.

Des découvertes récentes remettent en question l'idée que plus de données améliore toujours les résultats du machine learning.

Cette étude montre les avantages du SGD en termes de robustesse par rapport aux méthodes d'entraînement adaptatif.

Examiner l'impact de la prise de décision par l'IA sur les groupes et les résultats systémiques.

MixBag améliore l'apprentissage à partir des proportions d'étiquettes en créant de nouveaux groupes étiquetés.

Une nouvelle méthode s'attaque à plusieurs biais dans la classification d'images pour améliorer l'équité.

Une nouvelle méthode pour évaluer des modèles de machine learning sans données étiquetées.

Examiner comment les réseaux de neurones causaux renforcent la résistance aux attaques adversariales.

Une nouvelle approche améliore l'évaluation des modèles prédictifs pour les résultats des patients.

Cet article propose une nouvelle approche pour créer des modèles NLP en utilisant des invites en langage naturel.

Une compétition met en avant des stratégies pour défendre les modèles d'apprentissage automatique dans la finance.

De nouvelles méthodes améliorent la détection d'images médicales inhabituelles pour de meilleurs diagnostics.

Une nouvelle méthode pour évaluer les modèles de langage sans labels humains.

Cette étude examine des méthodes avancées pour prédire l'engorgement des urgences et améliorer les soins aux patients.

Découvrez comment les Neurones Sensibles au Remplissage influencent le traitement d'images dans les modèles d'apprentissage automatique.

Cet article examine comment la rareté des paramètres affecte la performance et l'efficacité des modèles d'IA.

Cet article parle d'une nouvelle méthode pour gérer les données manquantes en utilisant l'apprentissage par contraste.

Une étude sur l'amélioration de l'efficacité de l'entraînement pour les modèles de langage en utilisant le dataset SlimPajama.

Une nouvelle approche améliore la qualité des étiquettes biomédicales bruyantes.

Une nouvelle architecture MLOps intègre des explications pour améliorer la confiance et l'efficacité des modèles ML.

Cet article examine les défis et les solutions liés aux étiquettes bruyantes dans les données d'entraînement.

Une nouvelle approche améliore les modèles d'apprentissage profond pour une segmentation d'images médicales fiable.

Un nouveau jeu de données pour améliorer la reconnaissance d'images et de textes dans le e-commerce.

L'unlearning contrastif enlève efficacement l'influence des données tout en préservant la performance du modèle.

Une méthode d'apprentissage profond améliore la détection des problèmes rénaux dans l'imagerie médicale.

Cette étude remet en question la préférence pour l'AUPRC plutôt que l'AUROC dans les ensembles de données déséquilibrés.

Une étude examine la performance et les biais des modèles de langue IA à l'échelle mondiale.

La théorie de l'apprentissage crédal offre de nouvelles perspectives pour adapter les modèles d'apprentissage automatique aux données qui évoluent.

Cet article explore comment la génération de commentaires améliore les capacités de codage des grands modèles de langage.

Un nouveau cadre vise à améliorer les réponses empathiques de l'IA dans les conversations.

Découvrez comment l'échantillonnage négatif facilite l'entraînement des modèles et booste les performances.

Discuter de la vie privée et de l'équité dans l'apprentissage automatique à travers la vie privée différentielle et le risque du pire groupe.

Une nouvelle approche de la représentation des images avec confidentialité différentielle grâce au sous-titrage.

Cette étude examine comment la connaissance du contexte améliore la détection des effets indésirables des médicaments.

La recherche met en lumière les applications de l'apprentissage par transfert et les relations avec la performance des modèles.

Un outil pour améliorer la précision des prévisions en utilisant des contrefactuels et la visualisation des données.

Examiner comment le bruit dans les données de pré-entraînement influence la performance du modèle.

De nouvelles méthodes améliorent la capacité de l'IA à oublier des données tout en gardant de bonnes performances.

Les recherches mettent en avant des méthodes de diagnostic précoce améliorées pour le cancer du poumon en utilisant des données patients.

Une étude révèle de nouvelles techniques pour des attaques par porte dérobée sur des modèles de langage avec un impact minimal.