Informatique - Apprentissage automatique

Cette approche utilise l'auto-évaluation pour se protéger contre les résultats nuisibles dans les modèles de langue.

Des recherches montrent que des changements simples dans les entrées peuvent entraîner des résultats nuisibles dans les LLMs.

Étudier comment la quantification affecte les performances dans différentes langues.

Explorer les défis d'utilisation des méthodes d'ensemble en apprentissage automatique.

Une nouvelle approche améliore la précision des prévisions de séries chronologiques avec plusieurs résolutions.

La recherche évalue la stabilité des méthodes XAI en utilisant un ensemble de données sur le diabète.

Les GFlowNets permettent un échantillonnage efficace à partir de distributions complexes avec de fortes capacités de généralisation.

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

Un nouveau cadre améliore la prédiction des biomarqueurs génétiques dans le cancer colorectal en utilisant des images de coupe entière.

GFN-ROM améliore la réduction de l'ordre du modèle en utilisant des réseaux de neurones graphiques pour des simulations efficaces.

FKEA propose une nouvelle façon d'évaluer les modèles génératifs sans avoir besoin de jeux de données de référence.

NEIM utilise des réseaux de neurones pour simplifier des modèles non linéaires complexes pour une analyse efficace.

GPTQT améliore l'efficacité et la performance dans la quantification des grands modèles de langage, rendant l'IA plus accessible.

Un nouveau cadre améliore l'efficacité de l'apprentissage fédéré sur le edge en optimisant les ressources et les données.

ShiftAddAug améliore l'efficacité et la précision des réseaux de neurones pour les appareils edge.

Examen des attaques d'inférence d'appartenance sur les modèles de prévision de séries chronologiques dans le secteur de la santé.

Une approche innovante améliore la détection des pannes des satellites sans avoir besoin de beaucoup de données étiquetées.

Cette recherche examine l'efficacité de Random Forest pour détecter des anomalies dans les réseaux.

Une nouvelle méthode améliore l'efficacité de la compression d'images sans perte pour les images binaires.

De nouvelles méthodes utilisent des réseaux de neurones pour résoudre efficacement des équations à temps fractionnaire complexes.

Découvre comment le prétraitement des données améliore les prévisions des résultats de santé importants.

Ce papier propose une méthode pour convertir l'ICL en poids de modèle afin d'améliorer la performance.

Dy-DCA améliore la qualité vidéo et l'efficacité pour les appareils mobiles.

Cet article parle de nouvelles approches pour améliorer les prévisions dans les réactions chimiques en utilisant la technologie.

BlackVIP permet une utilisation efficace des modèles d'IA sans accéder à leurs entrailles.

Une étude sur l'utilisation de l'apprentissage automatique pour prédire efficacement les événements de protons solaires.

Une nouvelle méthode améliore l'apprentissage auto-supervisé en ajoutant un composant mémoire.

Ce papier présente une méthode pour identifier et gérer efficacement les memes nuisibles.

Une étude sur les capacités d'apprentissage des grands modèles de langage dans des tâches d'arithmétique modulaire.

La nouvelle méthode ESQA utilise de grands modèles de langage pour l'analyse des séquences d'événements.

Les frameworks de test améliorent la fiabilité des modèles de langage pour donner des réponses fiables.

Le cadre ITEM améliore la formation et l'évaluation des GNN pour de meilleures recommandations.

Une nouvelle approche utilise des transformateurs pour améliorer l'efficacité et la flexibilité de la résolution des PDE.

Un aperçu des méthodes pour estimer les effets des traitements en utilisant des données du monde réel.

Un nouveau design de couche convolutionnelle réduit les paramètres et améliore l'interprétabilité dans les modèles d'IA.

Un nouvel outil d'IA aide les vétérinaires à diagnostiquer les problèmes cardiaques chez les chiens.

Apprends comment les coresets améliorent l'efficacité dans l'analyse de régression multiple.

Présentation des ensembles de données MERGE pour améliorer la classification des émotions dans la musique.

GENTLE fait avancer l'apprentissage machine en apprenant efficacement des distributions conditionnelles à partir de données limitées.

Cet article explore des solutions à la sur-lissage dans les réseaux de neurones graphiques, en se concentrant sur les GCN.