Informatique - Apprentissage automatique

Une nouvelle approche pour réduire les biais dans les modèles d'IA et améliorer les prédictions.

Un aperçu de comment les modèles améliorés par gradients boostent la précision des prédictions.

Présentation d'un nouvel algorithme pour les problèmes d'optimisation bi-niveau contraints en apprentissage automatique.

Ce modèle améliore les prévisions pour les équations différentielles partielles en utilisant des techniques innovantes.

PMixED améliore la confidentialité sans sacrifier la performance dans les grands modèles de langage.

Une étude montre que le tEEG surpasse l'EEG classique pour interpréter les mouvements de préhension.

Une étude souligne les complexités de la violence domestique masculine au Bangladesh.

Cet article présente une méthode pour réduire le biais dans les prédictions de l'IA.

HD-Explain donne des infos précises sur les prédictions des modèles de machine learning.

Une nouvelle méthode améliore la précision des prédictions et la calibration dans l'apprentissage semi-supervisé.

Nouveau cadre améliore les prédictions en apprentissage multi-tâches malgré les limites de données.

La méthode ARSim améliore la qualité des données pour entraîner des voitures autonomes en utilisant des objets synthétiques.

HEAL-ViT combine des Vision Transformers et des maillages sphériques pour améliorer les prévisions météo.

Un nouveau cadre vise à améliorer la confidentialité dans les métaverses de bord véhicules.

Un nouveau jeu de données aide les modèles IR à s'adapter à des instructions complexes pour de meilleures performances.

Cet article examine les problèmes de licence de code dans l'entraînement des modèles d'IA.

Examiner les premières techniques d'entraînement pour améliorer la performance des réseaux de neurones sur des données inconnues.

Une nouvelle méthode améliore l'utilisation des données pour de meilleures performances du modèle.

Caduceus améliore la modélisation génomique en s'attaquant aux complexités de l'ADN.

Explorer le potentiel des PDE-G-CNN pour une analyse d'image efficace.

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

DAGnosis améliore la fiabilité des données en identifiant efficacement les incohérences.

Apprends comment le clustering de texte organise le contenu écrit pour une meilleure analyse.

Audio Flamingo excelle à écouter, discuter et s'adapter à de nouvelles tâches audio.

Une méthode pour approcher les compromis entre équité et précision pour les modèles d'apprentissage automatique.

Un référentiel pour évaluer la capacité de l'apprentissage auto-supervisé dans des tâches géométriques.

Une nouvelle méthode améliore les modèles de langage grâce à l'intégration de connaissances.

Une nouvelle méthode améliore la prise de décision dans l'optimisation bayésienne, en se concentrant sur la qualité des solutions.

Explorer de nouvelles méthodes pour améliorer la performance et l'adaptabilité des robots.

Une étude sur la performance et les méthodes d'évaluation des grands modèles de langage.

Cet article parle des méthodes d'élagage pour améliorer l'efficacité des réseaux de neurones.

Une nouvelle méthode protège les préférences personnelles tout en permettant des classements utiles.

Apprends à ajuster les LLM pour les besoins uniques des entreprises grâce au fine tuning.

AttentionStore améliore l'efficacité des conversations avec les modèles de langue en réutilisant des caches passés.

Ce travail explore comment les retours humains peuvent améliorer les modèles de résumé.

Un aperçu de l'apprentissage machine guidé par les connaissances dans la modélisation scientifique.

En train de fouiller les techniques de compression avec perte pour gérer de gros ensembles de données en apprentissage machine.

Un nouveau modèle améliore la détection de fraude, réduisant les pertes et améliorant la sécurité.

Les robots excellent à répondre aux questions en explorant activement leur environnement.

Une nouvelle méthode améliore l'évaluation des politiques dans des systèmes multi-agents décentralisés.