Informatique - Intelligence artificielle

Un nouveau référentiel évalue le biais de genre dans les modèles d'IA liés aux postes de travail.

Des outils comme OxonFair aident à garantir l'équité dans la prise de décision de l'IA.

Un ensemble de données pour améliorer la notation automatisée et les retours dans l'éducation en ingénierie.

Cette étude explique comment les transformateurs utilisent le contexte dans la prédiction de langage.

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

Explore les risques et les défenses dans les processus d'agrégation de classements.

TADPoLe forme des agents en utilisant des récompenses basées sur le texte pour exécuter des tâches naturelles.

Découvre comment l'IA transforme l'étude du comportement humain.

Voici GRASP, un benchmark pour évaluer le raisonnement spatial dans les modèles de langage.

Explorer l'efficacité des LLMs dans la prise de décision à travers des scénarios de Dueling Bandits.

Un nouveau cadre améliore la classification des graphes en se concentrant sur les caractéristiques clés.

Des modèles open-source plus petits offrent des solutions efficaces pour la notation automatisée des essais et des réponses courtes.

Explore une méthode équitable pour partager le mérite dans les projets de groupe.

Une étude révèle comment différents genres musicaux activent des zones cérébrales distinctes.

Une nouvelle méthode pour améliorer les modèles génératifs en utilisant le contexte de manière efficace.

Une nouvelle approche améliore l'efficacité d'apprentissage dans les environnements d'apprentissage par renforcement.

Un référentiel complet améliore l'évaluation des modèles vision-langage pour l'analyse d'images biologiques.

Cet article présente une méthode pour générer des images de manière efficace en utilisant des mises en page neuronales.

Analyser comment les mèmes façonnent les opinions grâce à des techniques persuasives.

Un aperçu pour améliorer les modèles de deep learning pour l'efficacité dans le traitement d'images.

Présentation d'ENSY pour améliorer les prévisions de modes de voyage des minorités.

Un nouveau repère pour évaluer les grands modèles de langage dans les tests d'hypothèses.

Le clipping de poids améliore les performances des modèles en deep learning et en reinforcement learning.

Cette étude propose un cadre pour comprendre les concepts cachés dans des données complexes.

Un cadre pour réduire les biais dans les modèles de langage IA tout en gardant l'exactitude.

ReGround3D améliore la compréhension des instructions humaines dans des environnements 3D.

De nouvelles méthodes améliorent la reconnaissance des modèles à travers différents types de données.

LLP permet de former des modèles en utilisant des étiquettes moyennes à partir d'exemples regroupés.

CRAB améliore les tests pour les modèles de langage dans des environnements réels.

Une nouvelle méthode améliore la sélection des mélanges de données pour l'entraînement des modèles de langue.

Explorer comment les données synthétiques façonnent les modèles d'apprentissage machine et leur comportement.

Les méthodes simplifiées surpassent les agents complexes dans la résolution de problèmes logiciels.

Un aperçu de la nouvelle approche de Larimar sur la mémoire dans les modèles de langage.

Une nouvelle méthode améliore la réponse aux questions dans les graphes de connaissances en utilisant des exemples.

Une nouvelle méthode améliore l'apprentissage dans les modèles image-texte en utilisant des exemples composites.

L'intégration de la connaissance des graphes améliore les performances dans les langues à faibles ressources en utilisant des adaptateurs linguistiques.

Des recherches montrent à quel point il est facile de retirer les fonctionnalités de sécurité des modèles Llama 3.

S'attaquer aux défis de coordination dans l'apprentissage par renforcement multi-agents hors ligne.

Un nouveau cadre améliore les scénarios de test pour les véhicules autonomes dans les parkings.

Un nouveau cadre améliore efficacement la performance des grands modèles pendant le fine-tuning.