Derniers articles pour Évaluation des données

Nouveau jeu de données améliore l'évaluation des modèles multilingues dans diverses langues.

La métrique SQuArE améliore l'évaluation des systèmes de Q&R grâce à plusieurs références de réponse.

De nouvelles méthodes améliorent l'évaluation des performances des petits objets en WSSS.

Un nouveau cadre pour évaluer les systèmes RAG sans références humaines.

Présentation d'une méthode qui mesure la qualité des réponses à différents niveaux de détail.

Cette étude propose de nouvelles méthodes pour évaluer les réponses dans la question-réponse automatique.

De nouvelles méthodes améliorent l'évaluation des explications des modèles d'IA.

Un nouveau jeu de données et une méthode améliorent la génération de questions par les modèles de langage.

Nouveau jeu de données améliore la vérification des étapes de raisonnement dans les modèles d'IA.

Cet article présente une référence pour évaluer les modèles de langage large avec des tâches complexes.

Une étude sur comment ChatGPT utilise des caractéristiques linguistiques et de vocabulaire.

Un aperçu détaillé de l'évaluation de CyberMetric sur les experts en cybersécurité, qu'ils soient IA ou humains.

Une nouvelle méthode évalue l'efficacité de l'édition de modèles pour générer des textes plus longs.

Un nouveau cadre pour évaluer la justesse des réponses de l'IA avec un jugement semblable à celui des humains.

Nouveau jeu de données améliore les méthodes d'évaluation pour l'oubli machine dans la génération d'images.

FanOutQA aide à évaluer les modèles de langage sur des questions multi-étapes difficiles en utilisant des données structurées.

Un nouvel outil génère des instances d'hallucinations visuelles diverses pour améliorer l'exactitude de l'IA.

Cet article parle d'un nouveau cadre pour évaluer les hallucinassions dans les LVLMs.

Une méthode pour évaluer en continu les modèles en apprentissage automatique afin d'éviter le surapprentissage.

Une nouvelle méthode améliore la vérification des faits dans les systèmes de génération augmentée par la récupération.

Améliorer la compréhension des intentions des utilisateurs à travers la négation et l'implicature.

Une analyse de la compréhension des règles de reconnaissance d'entités par les modèles de langage.

Cette recherche évalue l'utilisation des LLM pour des scénarios réalistes de voitures autonomes.

Un cadre pour améliorer la performance du NLP à travers différents dialectes de langue.

Évaluer les LLM sur leur capacité à traiter de longs textes en littérature.

Un nouveau cadre évalue à quel point les LLM sont fiables en tant qu'assistants biomédicaux.

Une étude met en avant l'impact de la contamination des données sur les évaluations des modèles de code.

Un nouveau jeu de données améliore l'évaluation des connaissances moléculaires dans les modèles de langage.

SPHINX-V améliore la capacité de l'IA à interpréter les images grâce à l'interaction des utilisateurs.

BEAR améliore l'évaluation des connaissances relationnelles dans les modèles de langue.

Cette étude examine comment les modèles de langue gèrent différentes expressions des mêmes problèmes de raisonnement.

Un nouveau jeu de données évalue comment les modèles de langage gèrent le contenu nuisible à travers les cultures.

Un nouveau critère améliore la manière dont on évalue les LVLMs et leur précision.

Une évaluation de la façon dont les LLM se souviennent des informations factuelles et des facteurs impliqués.

Cette étude propose des méthodes améliorées pour évaluer les modèles de texte à image.

Une étude évaluant des méthodes d'apprentissage par few-shot pour la classification de la langue polonaise.

De nouvelles métriques améliorent l'évaluation des systèmes d'extraction d'informations dans les documents manuscrits.

WorkBench teste la capacité des agents à réaliser des tâches de bureau réalistes avec une méthode d'évaluation unique.

Évaluer comment les LLM s'adaptent à de nouvelles infos et biais.

Une nouvelle méthode pour évaluer l'alignement des modèles de langage avec les valeurs humaines.