Derniers articles pour Performance du Modèle

L'apprentissage actif réduit les coûts d'étiquetage tout en améliorant les performances du modèle.

Cet article examine les méthodes de réduction de données dans l'apprentissage profond pour une meilleure efficacité.

TwinLiteNet propose une solution efficace pour la segmentation sémantique dans les voitures autonomes.

Une nouvelle méthode pour mélanger les données afin d'améliorer les performances des modèles de langage.

Présentation d'une méthode pour améliorer l'apprentissage dans les modèles de machine learning tout en préservant les caractéristiques importantes.

Un nouveau jeu de données vise à améliorer les modèles de détection de discours haineux pour la langue allemande.

Une étude montre que les petits modèles fonctionnent bien avec des données d'entraînement simplifiées.

De nouveaux algorithmes améliorent l'entraînement du modèle Maxent pour prédire les occurrences d'incendies de forêt.

Une nouvelle approche pour protéger la vie privée des images dans la tech tout en gardant la performance des modèles.

Une nouvelle approche pour classifier du contenu audio-visuel jamais vu.

Un aperçu de comment les LLM résument le code et des facteurs qui affectent leur performance.

Une nouvelle méthode mélange des mises en page 3D et du texte pour créer de meilleures scènes urbaines.

Des recherches montrent que la séparation des données affecte les performances dans les tâches liées au langage.

Cette étude compare des méthodes pour évaluer la performance des modèles d'IA dans le secteur de la santé.

Un cadre pour un traitement des données plus sûr en apprentissage automatique.

Une nouvelle approche pour améliorer l'apprentissage auto-supervisé en utilisant le binning dans les données tabulaires.

Explorer comment l'apprentissage fédéré peut améliorer la protection des données dans le secteur de la santé.

Une nouvelle approche améliore la performance et l'équité dans l'apprentissage fédéré.

FedSC améliore l'entraînement des modèles tout en préservant la vie privée des utilisateurs dans l'apprentissage fédéré.

Cet article parle du marquage salutaire, une méthode pour réduire l'intervention humaine dans le machine learning.

Inclure des données non anglophones améliore la performance des modèles vision-langage et la compréhension culturelle.

Une méthode utilisant MCMC pour une génération efficace d'échantillons négatifs dans l'apprentissage contrastif.

Augmenter le nombre de tours de communication réduit les coûts et améliore la performance des modèles en apprentissage fédéré.

Un cadre pour identifier et réduire les biais dans les ensembles de données d'entraînement.

Une nouvelle méthode pour éditer les modèles de langage efficacement tout en gardant la performance.

Un aperçu des avantages et des limites de la distillation de jeux de données en apprentissage automatique.

Un nouveau benchmark évalue les compétences en raisonnement des modèles de langage.

DIPS s'attaque aux problèmes de qualité des données dans le pseudo-étiquetage pour de meilleurs résultats en apprentissage automatique.

Un aperçu de la façon de contrôler le comportement des modèles de langage avec la technique KL-then-steer.

Explorer comment les puits d'attention impactent la performance des modèles de langage et introduire une technique d'étalonnage.

FedMap améliore l'efficacité de l'apprentissage fédéré tout en garantissant la confidentialité des données.

Aperçus sur les défis de l'apprentissage automatique pour prédire les propriétés des matériaux.

Le poisoning de code augmente les risques d'attaques par inférence de membres sur des données sensibles.

Une nouvelle approche pour évaluer les modèles de ML en se concentrant sur la préparation des données.

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

Une nouvelle méthode pour que les banques centrales améliorent leurs choix de politique monétaire.

Ce papier explore des moyens d'améliorer l'évaluation de la calibration des modèles et de la précision prédictive.

Un nouveau jeu de données pour étudier le bruit d'étiquettes dans la classification de texte.

Une nouvelle méthode améliore la détection des images et du texte mal étiquetés dans les jeux de données.

De nouvelles méthodes améliorent la précision dans la segmentation d'images médicales à partir de sources de données variées.