Derniers articles pour Modèles de langue

Une nouvelle méthode améliore la performance des modèles de langage grâce à une meilleure sélection d'exemples.

Une nouvelle méthode améliore les capacités de raisonnement des modèles de langage grâce à des retours structurés.

Une nouvelle approche pour améliorer la sécurité des modèles de langage sans avoir à les réentraîner de manière intensive.

MATHWELL aide les profs à créer rapidement des problèmes de maths intéressants pour les élèves de K-8.

Nouveau standard évalue les compétences des LLMs à interagir avec plusieurs agents.

La recherche remet en question les méthodes traditionnelles d'évaluation des valeurs et opinions des modèles de langage.

Des chercheurs améliorent les modèles Encodeur-Décideur pour mieux prédire la complexité des phrases en utilisant des caractéristiques linguistiques.

Une étude sur les effets du réglage fin des instructions sur la performance du modèle.

Cette étude évalue l'efficacité de différentes approches d'apprentissage dans le traitement du langage naturel multilingue.

Cet article examine les biais de genre dans les modèles de langage et leurs implications.

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

Un nouveau critère évalue la performance des LLM sur des tâches complexes de PowerPoint.

iScore aide les enseignants à évaluer à quel point les modèles de langue notent bien les résumés écrits.

Mipha combine compréhension visuelle et textuelle avec des modèles plus petits pour plus d'efficacité.

HILL aide les utilisateurs à repérer les inexactitudes dans les réponses des modèles de langage.

TaxoLLaMA améliore la compréhension des significations des mots et des relations pour un meilleur traitement du langage.

Ce papier explore comment le décodage sémantique améliore le travail d'équipe et les résultats de l'IA.

Adaptive-RAG améliore la précision des réponses en s'attaquant à la complexité des questions.

Découvre comment les modèles de langage peuvent améliorer notre compréhension de la qualité des arguments.

Une étude des techniques utilisées pour contourner les mesures de sécurité dans les modèles de langage AI.

Cet article parle de l'efficacité des QCM pour tester les LLM par rapport aux questions ouvertes.

Les tests de benchmark MANGO évaluent les modèles de langage pour la navigation et la cartographie dans des contextes de labyrinthe.

Cette étude évalue la performance croisée des modèles multilingues dans la reconnaissance d'entités nommées.

Une étude explore comment les modèles de langage interagissent avec les humains et entre eux pour compléter des tâches.

Cet article examine comment les modèles de langage gèrent les pronoms et les implications pour l'identité.

Explorer comment Mamba se souvient et modifie les faits différemment des modèles traditionnels.

Examen d'une nouvelle méthode pour exploiter les faiblesses des modèles de langue en utilisant des langues à faibles ressources.

Une nouvelle méthode pour façonner les personnalités des LLM en utilisant les cinq grands traits.

Découvrez comment le déséquilibre linguistique peut améliorer la performance des modèles multilingues.

Cette étude examine si les modèles de langage prennent des décisions comme des humains dans des scénarios stratégiques.

Un nouveau benchmark révèle des lacunes dans la compréhension visuelle des grands modèles de langage.

Un aperçu de la méthode de recouvrement pour améliorer l'analyse des phrases.

Examiner comment les noms influencent les biais dans les modèles de langage.

Un corpus japonais solide créé à partir de données de Common Crawl améliore la performance des LLM.

Cette étude examine comment les modèles de langage réagissent aux changements de sens des mots.

Examiner comment la température influence la créativité dans les récits générés par des modèles de langage.

Enquête sur le biais de position dans les modèles de langage et sur les moyens de le réduire.

Cette étude examine comment GPT-2 prédit les acronymes de trois lettres.

Stratégies pour réduire un comportement trop prudent chez les modèles de langage.

Ce cadre améliore l'efficacité et la précision de l'évaluation des textes en utilisant des grands modèles de langage.