Derniers articles pour Traitement du langage naturel

HQA-Attack crée des exemples adversariaux de haute qualité dans le texte tout en préservant le sens.

Cet article passe en revue des techniques pour améliorer l'efficacité et la performance des Grands Modèles de Langage.

Le KB-Plugin améliore la façon dont les LLM accèdent et utilisent des bases de connaissance moins connues.

Des recherches montrent comment les vecteurs de style peuvent contrôler la sortie de texte dans les modèles de langage.

Une méthode pour accélérer les grands modèles de langage sans sacrifier la qualité de la sortie.

Une nouvelle méthode simplifie la compréhension des modèles de classification de la parole.

Cette étude analyse comment les modèles de langage gèrent les sujets familiers et non familiers.

Voici DE-BERT, un cadre qui améliore l'efficacité des modèles de langue grâce à des stratégies de sortie anticipée.

La sélection efficace des données améliore la performance des modèles de langage pendant le réglage des instructions.

Cet article parle de techniques pour améliorer l'efficacité des LLM avec de longs textes.

Utiliser des lexiques multilingues pour améliorer l'analyse de sentiment dans les langues à ressources limitées.

De nouvelles méthodes, GliDe et CaPE, boostent les temps de réponse des modèles de langage de manière significative.

Une nouvelle méthode améliore l'efficacité et la qualité des revues de code grâce à l'apprentissage profond.

Utiliser les LLM pour simplifier le recrutement des patients pour les essais cliniques.

Cette recherche améliore les RNN en utilisant plusieurs perspectives pour un meilleur traitement du texte.

Cet article parle d'une nouvelle méthode pour K-VQA en utilisant des LLMs pour une précision améliorée.

CompeteSMoE améliore l'efficacité d'entraînement et la performance dans les modèles de Sparse Mixture of Experts.

Créer des taggers POS pour des langues avec peu de données d'entraînement.

Apprends des méthodes pour améliorer la vitesse et l'efficacité de l'entraînement de BERT en utilisant des GPU.

LB-KBQA améliore la reconnaissance d'intention dans les questions-réponses financières.

De nouvelles techniques de raisonnement indirect améliorent considérablement la performance des modèles de langage dans des tâches complexes.

Une nouvelle méthode améliore la navigation Visuel-Langage en utilisant des données d'entraînement provenant de vidéos de conduite.

Ce papier parle des méthodes pour utiliser efficacement les services LLM.

Découvrez comment Mamba transforme l'apprentissage en contexte pour les applications d'intelligence artificielle.

Une nouvelle méthode pour une meilleure projection d'étiquettes dans le NLP cross-lingue.

SIDU-TXT éclaire les décisions de l'IA en traitement du langage naturel.

Cet article présente des stratégies et une nouvelle méthode pour une sélection d'échantillons efficace en apprentissage à peu d'exemples.

DeRa propose une méthode pour ajuster l'alignement des modèles linguistiques sans avoir à les réentraîner.

Stratégies pour améliorer les moteurs de recherche dans plusieurs langues avec des données limitées.

Cette étude examine comment les modèles augmentés par récupération améliorent la fiabilité dans la génération de langage.

Une méthode pour ajuster les modèles de langage en utilisant moins de paramètres.

Le cadre NORMY améliore le QA conversationnel en optimisant la recherche et la compréhension du contexte.

Cette recherche examine l'efficacité du calcul en arrière dans l'entraînement des modèles de langue.

CAST améliore l'efficacité de l'auto-attention dans les modèles Transformer pour les longues séquences.

Examen des risques de contamination des données dans les modèles de langage à source fermée.

Une nouvelle méthode combinant des modèles de langage avec des stratégies d'optimisation pour de meilleures performances.

Une nouvelle méthode améliore l'efficacité d'apprentissage tout en gardant les connaissances passées.

Explorer l'impact des couches d'attention sur l'apprentissage à partir du texte.

Cette étude se concentre sur l'amélioration de l'extraction de compétences grâce à des modèles de langage avancés.

Une nouvelle méthode utilise des états internes pour une meilleure précision dans les LLM.