Derniers articles pour Traitement du langage naturel

Approche innovante pour guider les grands modèles de langage grâce à l'auto-évaluation.

Le Block Transformer améliore la vitesse et l'efficacité du traitement de texte dans les modèles de langage.

Un coup d'œil sur les types d'incertitude et leur importance dans les modèles de langue.

Un aperçu des modèles qui fonctionnent sans multiplication de matrices pour une meilleure efficacité.

Une nouvelle méthode améliore la qualité de la traduction grâce à une augmentation de données efficace.

Cet article examine comment les modèles de langue traitent l'aspect verbal en russe.

Découvrez comment les Transformers à esprit étendu améliorent la gestion de la mémoire dans les modèles de langage.

Cette étude se concentre sur l'amélioration de l'apprentissage zéro-shot grâce à de meilleures descriptions d'entités et de relations.

Une nouvelle méthode améliore la résolution des événements en combinant des modèles de langage pour plus de précision.

Zyda, un jeu de données avec 1,3 trillion de tokens, améliore l'entraînement des modèles de langue.

Améliorer les méthodes pour évaluer la similarité de sens entre les phrases en langage naturel.

Un nouveau jeu de données évalue le raisonnement des grands modèles de langage avec des requêtes complexes.

Évaluer la difficulté des questions améliore l'efficacité des systèmes de recherche d'informations.

Une nouvelle méthode améliore le scoring de confiance dans les modèles de langue en utilisant des explications stables.

Présentation de PlugIR pour des recherches d'images plus efficaces grâce à un dialogue interactif avec l'utilisateur.

MIVPG améliore comment les modèles interpretent les images et le texte ensemble.

Un nouveau cadre améliore les méthodes de pruning pour les grands modèles de langage sans réentraînement.

Une nouvelle méthode améliore la classification d'images en utilisant des descriptions textuelles détaillées.

Présentation d'une méthode pour ajuster les LLM sur des appareils à faibles ressources.

Un nouveau jeu de données améliore la recherche pour relier des événements à travers des documents avec un langage créatif.

Cette étude examine l'utilisation de l'IA pour analyser les réponses des étudiants en éducation biologique.

Un nouveau modèle reproduit une compréhension humaine dans les systèmes d'IA.

De nouvelles méthodes comme PromptFix aident à sécuriser les modèles de langue contre les menaces cachées.

Explorer la classification multi-label pour améliorer la reconnaissance des relations de discours.

Évaluer des méthodes pour un contrôle précis des caractéristiques du texte dans les sorties des LLM.

Une nouvelle approche améliore l'alignement des modèles de langage en utilisant peu de données annotées par des humains.

Une nouvelle méthode améliore l'alignement et la sécurité des grands modèles de langage.

Une nouvelle méthode éclaire comment les modèles de langage se souviennent des données d'entraînement.

Une nouvelle méthode améliore l'estimation de l'incertitude dans les modèles de langue, renforçant la confiance des utilisateurs.

Explore les capacités d'apprentissage des modèles de langage et leurs applications.

ABEX utilise Abstract-and-Expand pour améliorer les données d'entraînement pour les tâches de compréhension du langage naturel.

Ce document explore comment les MLLMs stockent et transfèrent des informations pour répondre à des questions visuelles.

Apprends à entraîner des modèles pour les embeddings de texte de manière intelligente et efficace.

De nouveaux systèmes améliorent la classification des valeurs morales dans les textes.

Cette étude examine comment les LLM gèrent les changements dans les tâches de résumé.

Un aperçu de l'importance de la culture dans les avancées du Traitement Automatique des Langues.

Cet outil simplifie la création et l'analyse de prompts pour des entrées de contenu mixte.

ETRASK améliore l'extraction de relations grâce à une sélection d'instances innovante et des modèles préentraînés.

Une nouvelle méthode améliore la performance des grands modèles de langage dans des domaines spécialisés.

FastGAS améliore l'efficacité dans la sélection d'exemples pour l'apprentissage en contexte en utilisant une approche basée sur des graphes.