Derniers articles pour Traitement du langage

Un ensemble de données pour évaluer les biais sociaux dans les modèles linguistiques indiens.

Examiner les effets de la réduction de vocabulaire sur la qualité et l'efficacité de la traduction.

Une exploration de comment les modèles de langage prédisent les futurs tokens par rapport à la pensée humaine.

Un nouveau cadre améliore notre façon d'évaluer la cohérence dans les textes.

Présentation d'un modèle pour améliorer la sécurité dans la génération de langage et réduire les risques.

Ce papier examine des modèles qui résolvent des casse-têtes ingénieux en traitement du langage naturel.

Une revue de comment les LLM gèrent les tâches de raisonnement et leurs limites.

Une étude sur l'utilisation du dataset MGS pour identifier les stéréotypes générés par l'IA.

Ce papier parle de comment les modèles de langage apprennent et évoluent à travers l'interaction.

Une nouvelle méthode améliore à la fois les compétences linguistiques et mathématiques des modèles de langage.

Cet article explore comment les méthodes de récupération améliorent la qualité de la traduction dans les systèmes de NMT.

Découvrez comment l'attention éparse améliore le traitement dans les modèles de langage.

Une nouvelle méthode améliore les caractéristiques des mots en utilisant des insights humains.

Traiter les hallucinations pour améliorer la fiabilité des modèles de langage.

Cette étude améliore les compétences en raisonnement logique des modèles de langage en comprenant les sophismes logiques.

Une nouvelle méthode améliore l'entraînement des modèles de langage pour mieux s'aligner avec les valeurs humaines.

Cette étude examine comment les modèles de langage gèrent les adjectifs scalaires et leurs implications.

Enquête sur comment les modèles de langage interprètent les significations des phrases complexes.

Une approche révolutionnaire pour exploiter les modèles de langage grâce à la génération de texte antagoniste.

Examiner des stratégies pour améliorer la performance des modèles linguistiques dans différentes langues.

L'évaluation ALERT analyse les risques de sécurité dans les modèles de langage pour améliorer leurs réponses.

Cette étude montre comment le contexte et les connaissances préalables influencent les réponses des modèles de langage.

De nouvelles techniques améliorent les modèles de langue pour la finance en utilisant l'apprentissage sémantique adaptatif.

Une nouvelle méthode offre des retours détaillés pour améliorer les grands modèles de langage.

Les modèles d'IA évoluent pour aider avec des questions médicales, mais des défis persistent.

Cette étude se concentre sur le perfectionnement des plus petits modèles de langage pour les langues slaves du Sud.

Révolutionner la performance des agents grâce à l'évaluation et à l'accumulation d'expérience.

Améliorer les outils pour détecter le langage nuisible dans les espaces en ligne est super important pour la sécurité.

Cette étude évalue la compréhension de lecture des modèles de langue en utilisant des données fictives.

Une nouvelle méthode améliore la prédiction des réponses de l'IA en utilisant des modèles de graphes.

Examiner de nouvelles méthodes pour récupérer des infos dans plusieurs langues.

Cet article parle d'améliorer la qualité de la traduction automatique en utilisant des modèles de langue et des retours.

Des recherches montrent comment l'auto-réflexion affecte la performance des modèles de langage selon différents types de questions.

Nouveau jeu de données améliore la génération d'images à partir de légendes d'actualités complexes.

Une nouvelle approche pour améliorer la collaboration entre les agents des modèles de langue.

Présentation d'une approche autoguidée pour améliorer le raisonnement dans les modèles de langage.

Explorer une nouvelle tâche pour prédire les tendances futures des textes.

Examiner comment les locuteurs japonais omettent des parties de phrases et ses implications.

ParaFusion propose un ensemble de données de haute qualité pour une génération de paraphrases efficace.

Examiner quand les LLMs devraient éviter de répondre aux questions.