Derniers articles pour Évaluation des données

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.

MicroSSIM améliore l'évaluation de la qualité d'image en microscopie pour de meilleurs résultats scientifiques.

Un nouveau cadre pour évaluer la performance des systèmes RAG.

ArabLegalEval évalue la performance des LLM dans le traitement des informations juridiques en arabe.

Nouveau benchmark pour s'attaquer aux hallucinations relationnelles dans les modèles de langage multimodaux.

Une nouvelle méthode pour évaluer les réponses liées à la santé générées par des modèles d'IA.

Soda-Eval fixe de nouvelles normes pour les méthodes d'évaluation des chatbots.

Un nouveau benchmark et un nouveau jeu de données améliorent l'évaluation des modèles de langage médical.

Une nouvelle méthode pour évaluer comment les citations soutiennent les déclarations dans le texte généré.

Des chercheurs examinent la fiabilité des indicateurs de sécurité des modèles de langue.

Un benchmark multi-domaine évalue les capacités de génération de code des LLM dans différents domaines.

Un nouveau système optimise les réponses de l'IA pour les domaines juridiques, en se concentrant sur la Loi Locale 144 de New York.

Une étude sur l'efficacité des méthodes de correspondance d'images dans différents scénarios.

Examiner l'efficacité des LVLMs à générer des explications artistiques multilingues.

Cette étude évalue comment l'IA catégorise les images par rapport aux humains.

Une nouvelle méthode d'évaluation pour les grands modèles de langage en utilisant des appels API imbriqués.

OpenACE fournit une référence équitable pour évaluer les codecs audio dans différentes conditions.

Apprends à évaluer et comparer les images efficacement.

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

RAGProbe automatise l'évaluation des systèmes RAG, boostant leur performance et leur fiabilité.

Un nouveau jeu de données améliore l'évaluation des modèles de langage en termes de précision des essais cliniques.

Un dataset aide les systèmes IA à mieux apprendre des visuels distrayants.

Une étude sur la façon dont les modèles suivent les instructions pendant des dialogues complexes.

HealthQ évalue la capacité de l'IA à poser des questions dans le soin des patients.

Explorer des méthodes pour améliorer les modèles multimodaux dans l'analyse des questions visuelles.

Voici MemSim, un outil pour évaluer l'efficacité de la mémoire dans les assistants de modèles de langage.

Présentation d'un nouveau modèle et d'une référence pour évaluer les tâches multi-audio.

On regarde comment vérifier si on peut répondre efficacement aux questions de codage.