Derniers articles pour Traitement du langage

Examiner les problèmes de sécurité clés liés aux grands modèles de langage en IA.

Un nouveau cadre évalue la précision et la fiabilité des sources pour les réponses générées par le modèle linguistique.

Cette étude évalue les modèles de langage dans la classification de la toxicité du contenu politique.

Une nouvelle technique révèle des faiblesses dans les mesures de sécurité de l'IA pour les modèles de langage.

Explorer comment la mémoire fonctionne dans les LLM et sa comparaison avec la mémoire humaine.

La pseudo-rotation du titulaire améliore les performances et la cohérence des réponses des modèles de langage.

Une nouvelle approche améliore la fiabilité de l'entraînement des modèles de langue grâce à des systèmes de retour d'information solides.

Explorer le défi GenSEC pour améliorer la précision de la transcription vocale.

LOLA améliore la communication en supportant plus de 160 langues de manière efficace.

Des recherches montrent que le biais de récence améliore les prévisions de temps de lecture dans les modèles de langue.

De nouvelles méthodes visent à réduire les inexactitudes dans les modèles de langage au sein des systèmes de récupération d'informations.

Une étude sur l'efficacité des évaluateurs automatisés pour les modèles de langue.

Cette recherche améliore le transfert de connaissances entre le kinyarwanda et le kirundi en utilisant des modèles multilingues.

Examiner comment le fine-tuning affecte la sécurité des modèles de langage dans différentes tâches.

Cobweb/4L améliore la façon dont les machines apprennent le langage avec une méthode efficace.

Un cadre fusionnant des méthodes extractives et abstraites pour de meilleures résumés de documents vietnamiens.

Cet article examine comment les LLM peuvent identifier les variables manquantes dans la recherche scientifique.

Une méthode pour mettre à jour les grands modèles de langage de manière efficace et précise.

Présentation d'un ensemble de données pour évaluer la performance des systèmes RAG dans des scénarios du monde réel.

MEXMA améliore la représentation des phrases entre les langues, boostant les outils de communication multilingues.

Un aperçu des problèmes uniques rencontrés par les langues à faibles ressources et des solutions potentielles.

Juhaina est un nouveau modèle de langue pour les arabophones et anglophones qui prend en compte les contextes culturels.

Un nouveau cadre améliore la façon dont les modèles linguistiques interagissent grâce à des invites itératives.

Explorer comment les réponses du cerveau influencent notre compréhension du langage.

Un nouveau modèle améliore le traitement et l'analyse des textes sanskrits.

Les chercheurs présentent le dataset STOP pour analyser les biais dans les modèles de langage.

Examiner le rôle des émotions pour améliorer les interactions avec les modèles de langage.

Une nouvelle approche pour entraîner des modèles de langue améliore l'efficacité et la performance.

Nouvelles idées sur comment le contexte et la similarité influencent la performance des modèles de langage.

Cette étude aborde les défis des modèles audio pour les langues à faibles ressources.

La méthode GroupDebate réduit les coûts tout en améliorant la précision des discussions entre agents.

Cette étude améliore les systèmes de reconnaissance des émotions pour les langues moins courantes en utilisant des données à forte ressource.

Cette étude examine comment les modèles de langage créent des titres de papiers de recherche efficaces à partir de résumés.

Cette étude examine l'efficacité des autoencodeurs clairsemés pour comprendre les caractéristiques des modèles de langage.

MQM-APE améliore la qualité des évaluations de traduction automatique grâce à une analyse d'erreurs avancée.

De nouvelles fonctionnalités améliorent l'expérience utilisateur en compréhension d'écran et interactions multilingues.

Un nouveau cadre améliore la création de prompts pour les grands modèles de langage.

BrainKing évalue les compétences en résolution de problèmes des modèles linguistiques avec des infos limitées.

Une nouvelle méthode suit l'apprentissage des étudiants grâce à des conversations avec des tuteurs AI.

Cette méthode permet aux modèles de langage de prendre en compte des résultats alternatifs dans la génération de texte.