Informatique - Calcul et langage

Présentation de CREAM, un cadre pour évaluer efficacement les résumés de réunion sans textes de référence.

Explorer comment les LLMs améliorent le raisonnement à travers différents types de données.

Cette étude évalue comment les modèles d'IA s'alignent avec la prise de décision humaine dans le secteur de la santé.

Explorer de nouvelles méthodes pour améliorer les prévisions de séries temporelles en utilisant la perte de Wasserstein.

VERA améliore la précision et la pertinence des réponses des modèles de langage.

Examiner comment le fine-tuning affecte la sécurité des modèles de langage dans différentes tâches.

Une nouvelle approche pour améliorer la transparence des réponses et des décisions de l'IA.

Cobweb/4L améliore la façon dont les machines apprennent le langage avec une méthode efficace.

Découvrez comment l'alignement des préférences améliore les systèmes de synthèse vocale pour de meilleures expériences utilisateurs.

Une nouvelle méthode pour améliorer les LLM arabes en utilisant des connaissances structurées pour des réponses plus précises.

Le cadre ARTICLE améliore la qualité des données en traitement du langage naturel grâce à l'auto-cohérence.

Cet article révèle les différences de traitement entre les candidats masculins et féminins lors des entretiens.

La recherche se concentre sur l'amélioration de la capacité des modèles de langage à comprendre des textes plus longs.

Améliorer les modèles de langage pour communiquer l'incertitude peut renforcer la confiance des utilisateurs et les aider à mieux décider.

YORO simplifie la génération de SQL à partir du langage naturel, rendant le tout plus efficace et précis.

Un cadre fusionnant des méthodes extractives et abstraites pour de meilleures résumés de documents vietnamiens.

Les tests Linguini évaluent à quel point les modèles raisonnent avec des langues diverses.

Une nouvelle méthode améliore l'efficacité de l'appariement entre freelances et projets à travers les langues.

Un nouveau benchmark améliore l'évaluation des systèmes de détection de paraphrase.

Un nouveau modèle améliore la façon dont les modèles de langue pensent et répondent.

Les modèles de NLP aident à identifier les critères d'éligibilité pour les essais cliniques sur le cancer.

De nouvelles méthodes améliorent les modèles de langage pour les préférences individuelles des utilisateurs.

La nouvelle méthode MEOW s'attaque à l'oubli des données sensibles dans les LLMs sans perdre en performance.

Un aperçu des méthodes améliorées pour résumer du texte de manière efficace.

Examen de comment les gestes 2D et 3D influencent la communication des personnages virtuels.

Examiner le rôle et la précision des LLM dans la recherche juridique.

Une étude mesure comment les modèles d'IA comprennent les émotions humaines à travers un cadre structuré.

TART améliore les tâches de raisonnement sur les tables en utilisant des outils spécialisés et de grands modèles de langage.

Flare combine filtrage collaboratif et basé sur le contenu pour des recommandations améliorées.

Une nouvelle méthode pour améliorer la réponse des grands modèles de langage aux instructions des utilisateurs.

Améliorer la correspondance entre les patients et les essais cliniques grâce à la technologie avancée.

Cet article passe en revue les nouveaux modèles de codage d'OpenAI et leur performance dans les applications web.

Une nouvelle approche pour entraîner des modèles de récompense améliore l'alignement de l'IA avec les préférences humaines.

Une nouvelle méthode améliore la façon dont les entreprises personnalisent les interactions avec les clients en utilisant des LLM.

Une méthode pour mettre à jour les grands modèles de langage de manière efficace et précise.

Examiner le rôle des LMM dans la transformation des capacités de recherche avec du texte et des images.

Présentation d'un ensemble de données pour évaluer la performance des systèmes RAG dans des scénarios du monde réel.

LogicPro améliore le raisonnement logique en IA grâce à des problèmes d'algorithmes et des exemples codés.

Explorer les attaques par préférence inversée et leur impact sur la sécurité des modèles.

Utiliser des petits modèles pour accélérer l'entraînement de plus gros modèles de langue.