Derniers articles pour Science Cognitive

Explorer une nouvelle méthode pour comprendre l'émergence dans les modèles de langage.

EAM montre une gestion de mémoire efficace pour les données visuelles complexes.

Cette étude remet en question l'efficacité de ReAct pour améliorer la performance des LLM.

Une étude sur comment les humains et les ordinateurs identifient des objets en période d'incertitude.

Un aperçu de comment la compositionnalité relie la langue, la pensée et l'IA.

Cette étude analyse comment les modèles linguistiques se remettent des erreurs de raisonnement pendant les tâches.

Explorer le lien entre les têtes d'attention de l'IA et les processus de mémoire humaine.

Les chercheurs utilisent Brainscore pour évaluer les modèles d'IA par rapport à l'activité cérébrale humaine.

PhiNet imite les systèmes de mémoire humains pour améliorer l'apprentissage machine.

Cette étude examine comment les phases de haute dimension améliorent les performances des modèles de langue.

Une nouvelle méthode améliore la capacité de l'IA à éditer des connaissances et à répondre à des questions complexes.

Cette étude examine comment notre cerveau traite les verbes abstraits et leurs significations.

Examiner comment les styles de discours aident les apprenants en langue à comprendre et à traiter.

Cette recherche se concentre sur la génération de pseudo-programmes pour améliorer les tâches de raisonnement dans les modèles.

Nouvelle référence pour améliorer la compréhension du texte et des images par l'IA.

Une nouvelle méthode améliore l'apprentissage automatique en boostant la prédiction des mouvements.

Examiner comment les outils d'IA influencent l'apprentissage des codeurs débutants.

Des chercheurs découvrent des clusters de concepts visuels dans l'activité du cerveau.

Des recherches montrent comment le lobe frontal influence la perception visuelle et les processus de pensée.

Cette étude montre comment les attentes influencent l'activité cérébrale pendant l'apprentissage.

Explore le rôle de la mémoire et du contexte dans l'amélioration de l'apprentissage machine.

SynCx améliore la découverte d'objets en utilisant des poids à valeurs complexes et un traitement itératif.

DSAM offre une nouvelle perspective sur la connectivité du cerveau en utilisant des techniques avancées d'apprentissage profond.

De nouvelles méthodes visent à améliorer l'apprentissage automatique avec des tâches et des interactions variées.

Un aperçu de la façon dont les mouches prennent des décisions en mouvement.

Cette étude examine comment l'attention façonne les processus de mémoire de travail et à long terme.

Découvre le fNIRS et ses applications pour la recherche sur le cerveau et le suivi.

La recherche explore des méthodes pour améliorer la façon dont les modèles de langage apprennent du contexte.

Un regard de plus près sur le rôle de la rétropropagation dans l'apprentissage machine et biologique.

Des recherches montrent comment on développe des biais d'attention dans les environnements visuels.

Cette étude teste les LLM pour révéler leurs faiblesses en compréhension et en raisonnement.

Cette étude évalue les capacités des modèles de langage à comprendre les pensées et les émotions.

Examiner les capacités de comptage des modèles de langage, leur structure et leurs processus d'apprentissage.

Manger ensemble peut améliorer le fonctionnement du cerveau grâce aux interactions sociales.

La recherche examine comment l'apprentissage automatique améliore la compréhension des données cérébrales pendant les tâches cognitives.

Un aperçu de comment les modèles de langage peuvent représenter des croyances et leurs implications.

Des recherches montrent comment les zones sensorielles collaborent dans le développement du cerveau.

La méthode D-FaST améliore le décodage des signaux cognitifs en utilisant la fréquence, l'espace et le temps.

Cette étude propose une nouvelle approche pour maintenir l'apprentissage dans les systèmes d'IA.

Analyser comment l'IA apprend des données révèle des lacunes importantes dans la logique et le raisonnement.