Derniers articles pour Science des données

SurgiTrack améliore le suivi des outils chirurgicaux pour de meilleurs résultats et la sécurité des patients.

Les modèles de langue améliorent les performances sur le web grâce à des techniques d'auto-amélioration.

ETHER propose une manière économique d'affiner des gros modèles d'apprentissage automatique.

Un nouveau cadre combine les GNN et les LLM pour des réponses améliorées à partir des graphes de connaissances.

Un nouveau modèle pour prendre de meilleures décisions en utilisant des données historiques.

Une nouvelle méthode améliore la capacité à générer des textes variés avec des attributs spécifiques.

Cet article parle des défis du fine-tuning en few-shot des modèles de diffusion et des solutions.

Une nouvelle approche améliore les performances de segmentation pour les classes connues et inconnues.

Une nouvelle méthode appelée ADEPT améliore l'apprentissage par renforcement hors ligne grâce à des modèles adaptatifs.

Un aperçu des rôles de l'injectivité et de la surjectivité dans les réseaux ReLU.

Un nouvel algorithme améliore l'efficacité de l'échantillonnage dans les modèles bayésiens basés sur des arbres.

Une méthode pour améliorer l'optimisation dans des espaces courbes avec des calculs inexactes.

Une nouvelle approche pour gérer le déséquilibre de classes en utilisant SMOTE et des autoencodeurs variationnels.

Une nouvelle méthode améliore les réponses des longues vidéos en utilisant des techniques innovantes.

Une nouvelle approche améliore les performances du modèle avec différentes sources de données.

De nouvelles méthodes améliorent la façon dont les modèles de langage gèrent les erreurs factuelles au fil du temps.

Une nouvelle approche de l'apprentissage par renforcement hors ligne améliore l'apprentissage des politiques en utilisant des modèles de diffusion.

Cet article parle d'utiliser des modèles plus petits pour affiner les données d'entraînement afin d'améliorer les performances.

Enquête sur comment de petites erreurs dans les données d'entraînement améliorent le contenu généré par l'IA.

Une approche claire pour choisir le bon modèle d'apprentissage automatique.

Cette étude montre comment des points de données individuels affectent les performances des modèles d'apprentissage automatique.

Apprends comment HGQ optimise les modèles de deep learning pour la vitesse et la précision.

Une étude sur la reconnaissance des actions en utilisant l'apprentissage avec peu d'exemples et des données multimodales.

Des recherches montrent que des instructions variées améliorent la performance des modèles de langage sur des tâches inédites.

Présentation d'un système à double politique efficace pour l'apprentissage par renforcement hors ligne.

Un aperçu des techniques de modélisation générative et de leurs applications en IA.

Examiner la justice dans les méthodes de regroupement pour un groupement de données efficace.

Une nouvelle méthode pour améliorer les images basse résolution en utilisant des méthodes stochastiques.

Une nouvelle méthode améliore la qualité des images dans les autoencodeurs grâce au transport optimal dynamique.

CLIP gère bien le déséquilibre des données dans les tâches visuelles et linguistiques.

iPOD propose une solution pratique pour gérer les données dans des simulations complexes d'équations aux dérivées partielles (EDP).

Un aperçu de la génération de données synthétiques et de son importance dans les applications basées sur les données.

Examiner l'impact de la qualité du jeu de calibration sur la performance des LLM après quantification.

Une nouvelle méthode améliore les modèles de langage en apprenant à partir de données en temps réel.

Les modèles de langage de débruitage améliorent la correction des erreurs dans les systèmes de reconnaissance vocale en utilisant des données synthétiques.

Cet article présente une méthode pour mieux gérer les données manquantes.

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

Un nouveau cadre pour entraîner des systèmes de recommandation en utilisant des interactions utilisateur simulées.

Une nouvelle méthode améliore les recommandations pour les utilisateurs en filtrant les connexions sociales.

Cette étude évalue la performance des LCGMs sur des tâches de codage en anglais et en chinois.