Derniers articles pour Évaluation des données

Combiner des examinateurs humains avec des LLMs améliore les évaluations de la recherche biomédicale.

Un défi axé sur des modèles génératifs profonds pour la génération d'images médicales réalistes.

Un nouveau système pour évaluer les modèles linguistiques en utilisant des flux de données du monde réel.

Une nouvelle méthode pour évaluer le raisonnement de bon sens dans les modèles d'IA à travers des tâches ouvertes.

Le nouveau jeu de données GAIA éclaire la qualité de l'action dans le contenu généré par l'IA.

Une nouvelle méthode pour évaluer les modèles génératifs avec une génération de données minimale.

Un nouveau benchmark teste le raisonnement compositionnel dans les modèles avancés.

Nouveau jeu de données aide à évaluer la précision et la fiabilité du texte d'IA.

Un nouveau critère évalue comment les modèles de langage gèrent les changements de texte.

Un kit d'outils pour évaluer la performance des modèles augmentés par récupération dans des domaines spécifiques.

VideoVista propose une évaluation complète pour les modèles de question-réponse vidéo.

Méthodes pour mesurer les effets du traitement à travers des groupes divers et des périodes de temps.

Cet article présente une nouvelle méthode pour évaluer efficacement les modèles de texte à image.

Dysca introduit une nouvelle façon d'évaluer la performance des LVLM en utilisant des données synthétiques.

Une nouvelle méthode mesure comment les modèles linguistiques adaptent leurs croyances avec de nouvelles preuves.

Un nouvel étalon pour évaluer la performance des agents IA dans la littérature biomédicale et les graphes de connaissances.

Présentation de FairMedFM pour évaluer l'équité des modèles de fondation dans le secteur de la santé.

Cette étude évalue comment les LVLM médicaux se débrouillent face aux hallucinations en utilisant un nouveau jeu de données.

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

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

Un aperçu des avantages des méthodes d'évaluation de la qualité de traduction au niveau des segments.

De nouvelles métriques et le module EdgeHead améliorent la détection 3D pour les véhicules autonomes.

Une nouvelle approche améliore la précision des évaluations des modèles linguistiques.

Améliorer la façon dont les modèles traitent les preuves dans de longs documents renforce la confiance des utilisateurs.

BiasAlert améliore la détection de biais dans les modèles de langage pour des sorties IA plus équitables.

Une nouvelle méthode pour évaluer la précision des résultats des modèles de langage.

Un nouveau repère met en lumière les hallucinations dans les modèles de langage visuel.

Cette étude met en avant l'importance de la granularité des jeux de données pour améliorer les systèmes de recherche image-texte.

Présentation d'un moyen efficace d'évaluer la qualité des échantillons générés en utilisant des scores de densité latente.

Un nouveau repère améliore la compréhension des modèles sur les longues vidéos et le langage.

HaloQuest s'attaque aux problèmes d'hallucination dans les modèles vision-langage avec un nouveau jeu de données.

Un nouveau critère vise à améliorer les évaluations des systèmes OIE pour des aperçus de performance plus précis.

Un nouveau standard pour tester les modèles visuels-linguistiques sur des changements minimaux dans les images et les légendes.

Cette étude met en avant la nécessité pour les LLMs de savoir quand s'abstenir.

Les règles de score appropriées améliorent l'évaluation des prévisions probabilistes dans différents domaines.

Un cadre pour mieux estimer les effets du traitement dans des expériences randomisées par paires.

Utiliser des marques de pertinence générées par IA pour évaluer efficacement les systèmes de recherche d'information.

Une nouvelle méthode améliore la précision de l'évaluation dans la vérification d'auteur en réduisant les fuites de sujet.

Un nouveau cadre améliore l'évaluation des systèmes RAG dans des domaines spécialisés.

De nouvelles méthodes offrent une meilleure évaluation de la compréhension du langage dans les modèles.