Derniers articles pour Évaluation du modèle

Cette étude met en avant l'importance de l'incertitude dans l'évaluation des Modèles Vision-Langage.

Un aperçu de la fiabilité de l'apprentissage automatique et des réseaux de neurones profonds.

Un aperçu du cadre ProTIP pour évaluer les modèles de génération d'images IA.

Une nouvelle méthode pour évaluer la précision des résultats des LLM en utilisant les dimensions intrinsèques locales.

Les développements récents dans le Bayes Factor améliorent l'évaluation des modèles en statistiques.

La mélodie de Synthia aide les chercheurs à tester des modèles audio avec des données variées.

Examen de l'impact de la mauvaise calibration sur la résilience des modèles NLP face aux attaques adversariales.

Une nouvelle méthode renforce la robustesse des tests des modèles de langage en mettant l'accent sur la nouveauté.

Examiner l'entraînement adversarial pour des modèles de machine learning plus robustes face aux attaques.

Les grands modèles de langage ont du mal à extraire avec précision les relations entre les entités.

Cet article met en avant les défis liés à la précision des comptages dans les modèles d'IA.

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.