Derniers articles pour Évaluation du modèle

NPHardEval4V évalue les capacités de raisonnement des modèles de langage multimodaux de grande taille.

Un nouveau dataset pour évaluer les compétences de planification des modèles linguistiques dans des tâches de la vie réelle.

Introduction de l'hypervolume adversarial pour mieux évaluer la performance des modèles de deep learning.

Ce boulot analyse la performance des transformateurs simplifiés dans les tâches de prévision.

Un nouveau benchmark évalue l'apprentissage continu dans les modèles de langage multimodaux.

Un aperçu du PAC-Bayes et de son impact sur la performance des modèles.

AVIBench teste les LVLMs pour s'assurer qu'ils résistent aux instructions visuelles adverses.

Cet article passe en revue les forces et les faiblesses du modèle VMamba.

Une étude comparant les explications des modèles multilingues et monolingues et leur fidélité.

Une nouvelle méthode pour évaluer la nouveauté dans les résultats de l'IA générative.

Explore différents modèles utilisés pour la classification de données et l'estimation de l'incertitude.

Un nouveau jeu de données vise à améliorer les modèles de détection de discours haineux pour la langue allemande.

Ce papier examine comment les données affectent l'évaluation des modèles de NLP.

IsoBench évalue comment les modèles gèrent le texte et les images pour identifier leurs points forts.

Apprends sur les attaques adversariales et leur impact sur les modèles de machine learning.

Une étude comparant la performance en matière de sécurité des modèles de langage populaires.

Un cadre pour évaluer comment les données d'entraînement influencent le comportement des modèles d'IA.

Un nouveau référentiel évalue la compréhension des modèles de langage sur les significations et les relations des mots.

Une méthode pour vérifier la fiabilité d'un modèle sans vraies étiquettes.

Une étude comparant les méthodes d'attribution d'instance et de neurone dans les modèles de langue.

Explorer comment le transfert d'apprentissage impacte l'efficacité des modèles dans différents contextes de données.

Présentation de la méthode FB pour une meilleure évaluation des modèles en cosmologie.

Une étude révèle des problèmes de confiance excessive dans les modèles de langage et de vision IA.

Cet article parle de l'arrêt précoce pour améliorer l'efficacité de la sélection des modèles en apprentissage automatique.

Explorer les avantages et les défis des embeddings de variables partagées en apprentissage automatique.

De nouvelles techniques améliorent la fiabilité et la simplicité des modèles de programmation génétique.

Présentation d'AnyLoss, qui transforme les métriques en fonctions de perte pour un meilleur entraînement des modèles.

Cet article parle de nouvelles méthodes pour expliquer les décisions de l'IA dans la détection d'objets.

Un aperçu de comment les exemples adversariaux défient les modèles d'IA.

Apprends des méthodes clés pour choisir les paramètres de réglage dans l'analyse de données pour de meilleures prédictions.

Un nouveau repère pour évaluer les LLM dans les tâches de cybersécurité.

Ce document propose de nouvelles méthodes pour évaluer la fragmentation de l'information dans l'apprentissage automatique.

Ce papier présente une méthode pour créer des classificateurs IA faciles à comprendre.

Cette étude examine comment les modèles préentraînés regroupent des données invisibles.

Présentation de nouvelles méthodes pour améliorer les processus d'oubli dans les modèles d'apprentissage contrastif.

Un aperçu des techniques SVM pour gérer le déséquilibre de classes en apprentissage automatique.

S'attaquer aux problèmes de généralisation OOD et de contamination des caractéristiques dans les modèles d'IA.

Cet article explore les améliorations des autoencodeurs rares et leur impact sur la compréhension du langage.

Une étude sur l'efficacité de différents modèles légers dans la classification d'images.

Présentation d'une méthode pour évaluer la résilience des modèles face aux attaques par empoisonnement de données.