Informatique - Apprentissage automatique

Aurora améliore la réécriture de requêtes en utilisant la saturation d'égalité et l'apprentissage par renforcement.

Des recherches examinent comment l'analyse de la parole peut prédire le risque de suicide, en tenant compte des différences de genre.

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

Une nouvelle approche en apprentissage fédéré capte les dépendances des données tout en garantissant la confidentialité.

Un nouvel outil IA aide à diagnostiquer le carcinome basocellulaire avec des explications claires.

Les chercheurs combinent des techniques de données pour modéliser efficacement des systèmes complexes.

Un nouveau critère pour l'oubli machine améliore l'évaluation et la comparaison des méthodes.

Comment le fine-tuning affecte la capacité des modèles de langage à se souvenir des faits avec précision.

Cette étude révèle les limites des modèles de texte à image pour gérer les chiffres.

Une nouvelle méthode améliore la génération d'images sans ensembles de données appariés.

Découvrez comment l'apprentissage automatique amélioré aide à améliorer la production de matériaux composites.

Une nouvelle méthode combine l'apprentissage non supervisé avec l'optimisation combinatoire pour améliorer la prise de décision.

De nouvelles méthodes améliorent l'optimisation dans des scénarios complexes en utilisant des espaces latents et du bruit.

Ce document présente un système pour créer des visuels qui réagissent à la musique.

Une nouvelle approche aide les systèmes d'IA à collaborer dans des dilemmes sociaux.

Un ensemble de données complet pour améliorer l'analyse des arguments dans les débats.

Un aperçu de comment le regroupement des commandes améliore l'efficacité de la livraison de nourriture.

Un nouveau modèle améliore la classification des nœuds en s'appuyant sur des connaissances connexes.

Une nouvelle méthode pour améliorer l'apprentissage automatique grâce à des exemples sous-optimaux et des retours humains.

Améliorer les réseaux de neurones bayésiens pour des prédictions fiables dans des applications critiques.

Le réglage de la cohérence facile améliore les modèles de cohérence pour des résultats plus rapides et meilleurs.

Cet article examine comment les LLMs peuvent générer des tableaux synthétiques de manière efficace tout en abordant les principaux défis.

Apprends comment l'inférence bayésienne améliore les réseaux de neurones et la prise de décision.

La méthode d'extension de contexte de Mamba améliore la gestion des longues séquences sans formation supplémentaire.

Cet article examine des méthodes pour enlever les données des utilisateurs des réseaux neuronaux de manière efficace.

RFM améliore la génération de données en gérant efficacement les contraintes de frontière.

Mettre en avant l'importance des données dans l'entraînement des grands modèles de langage.

Créer des systèmes efficaces pour reconnaître les activités dans les maisons intelligentes en s'adaptant aux besoins des habitants.

Un système qui optimise les prédictions d'apprentissage automatique grâce à des cascades de modèles.

QuEE combine la quantification et les sorties anticipées pour un apprentissage automatique efficace.

Explorer le rôle des transformateurs dans la prédiction des résultats de données séquentielles.

Une nouvelle approche pour une sélection de données équitable dans des flux en temps réel.

Assurer que les explications de l'IA sont claires et fiables pour la confiance des utilisateurs.

Une nouvelle approche améliore l'optimisation des fonctions de perte complexes dans les réseaux de neurones.

Un nouveau point de référence améliore les prévisions à long terme dans les séquences d'événements à travers les secteurs.

Découvre comment les caractéristiques aléatoires simplifient les calculs complexes en apprentissage automatique.

Cet article examine les obstacles et les solutions pour améliorer la reproductibilité dans la recherche en ML.

Explore une communication efficace axée sur des données pertinentes et qui s'adapte aux changements.

Le matching de flux statistique améliore la modélisation générative pour les défis de données discrètes.

Explorer les réseaux de neurones quantiques de densité et leur potentiel dans l'apprentissage automatique.