Derniers articles pour Traitement du langage naturel

Explorer l'apprentissage en contexte pour un éditing de connaissance efficace dans les modèles de langue.

Cette méthode améliore les modèles de langue pour des domaines spécifiques de manière efficace.

Des recherches montrent que les biais peuvent se transférer d'une langue à l'autre dans l'analyse de sentiment.

Utiliser des grands modèles de langage pour des processus de vérification des faits efficaces.

Présentation d'un jeu de données pour mieux suivre les états des entités dans les textes procéduraux.

Une nouvelle méthode pour une meilleure sélection d'exemples dans les modèles de langage.

Une nouvelle méthode simplifie l'extraction de données à partir de tableaux complexes en utilisant des techniques basées sur des schémas.

Cette étude évalue l'efficacité de ChatGPT et OpenAssistant à classer des données de réseaux sociaux.

Examine les problèmes de cohérence dans les grands modèles de langage et leurs implications.

Découvrez comment l'OIE améliore la détection des événements, des zones riches aux zones à faibles ressources.

Une étude qui met en avant les avantages des contraintes grammaticales dans les résultats des modèles de langage.

X-LLM intègre des images, des vidéos et de la parole dans le traitement du langage.

Cette étude examine comment le placement des invites influence la performance du modèle linguistique.

Une nouvelle méthode auto-supervisée améliore le raisonnement logique sans avoir besoin de beaucoup de données étiquetées.

Examine comment les LLM gèrent les questions sans réponses claires.

Un nouveau cadre améliore l'alignement question-connaissance pour des réponses précises des modèles de langage.

Cet article explore comment les données d'entraînement influencent la génération d'images par des modèles de texte à image.

Une méthode pour améliorer les modèles de langue boîte noire en utilisant des modèles plus petits et entraînables.

Le modèle TACR améliore la façon dont les systèmes répondent aux questions en utilisant des tableaux et du texte.

Utiliser les différences entre les annotateurs peut améliorer la précision du traitement du langage naturel.

Un nouveau cadre améliore l'analyse de la littérature biomédicale en reliant des entités et en extrayant des événements.

Un nouveau système améliore la précision des réponses à différentes questions grâce à des modèles spécialisés.

Une étude révèle des limites des modèles de langage augmentés par récupération pour la génération de texte.

EXnet propose des solutions innovantes pour les tâches de classification de texte avec des exemples illimités.

LiPoR propose une nouvelle façon de gérer des explications plausibles sans étiquettes claires.

Combiner l'apprentissage actif et le fine-tuning efficace en paramètres booste la performance du modèle avec peu de données.

Présentation d'un cadre structuré pour bien raisonner sur de longs textes.

La recherche met en avant l'importance de la cohérence de la représentation dans les modèles de NLP.

Examiner les problèmes de résultats inexactes dans les grands modèles de langage.

Le dataset MMSMR vise à améliorer l'évaluation des conversations de chatbots avec des réponses humaines variées.

Cette étude évalue des modèles de langage pour la résolution de co-références sans exemples préalables.

LMSI permet aux modèles de langue d'améliorer leurs performances sans avoir besoin d'une grosse contribution humaine.

Une nouvelle approche améliore la capacité des modèles à comparer différentes entités en utilisant des données variées.

Cette étude examine comment les modèles de langage réagissent aux erreurs dans le texte.

La recherche améliore la capacité des modèles OpenQA à gérer les petites modifications de questions.

Dynosaur automatise la création de données pour l'ajustement des instructions, offrant des avantages en qualité et en coût.

De nouvelles méthodes améliorent le finetuning de gros modèles en utilisant moins de mémoire.

WebIE s'attaque aux défis d'extraction de données structurées à partir de contenus web.

Cette étude évalue comment les LLM améliorent les données d'entraînement pour le raisonnement de bon sens dans différentes langues.

Présentation d'un système qui explique clairement l'évaluation des textes générés par des machines.