Derniers articles pour Traitement du langage naturel

Présentation de Stance Reasoner pour améliorer la détection de la position sur les réseaux sociaux.

Des recherches montrent des faiblesses dans la compréhension du langage des modèles 3D et proposent des solutions.

Deux algorithmes innovants créent efficacement des exemples adversariaux subtils dans le traitement du langage.

Explorer les avancées et les défis de la technologie des grands modèles de langue.

Le cadre MExGen améliore les explications pour les modèles de langage génératifs, renforçant la confiance des utilisateurs.

Présentation de RLRF : un cadre pour améliorer la performance des modèles de langue grâce à des retours détaillés.

La recherche montre comment la qualité du contexte influence la performance des modèles de langage IA.

Cet article discute des méthodes pour améliorer les capacités de raisonnement des modèles linguistiques.

CoLLEGe aide les modèles de langage à apprendre de nouveaux concepts efficacement en utilisant un minimum d'exemples.

Une méthode pour créer un texte cohérent à partir de plusieurs points saillants de documents.

Un aperçu de l'importance et des méthodes d'extraction de relations temporelles d'événements.

Un nouveau jeu de données aide les modèles IR à s'adapter à des instructions complexes pour de meilleures performances.

Apprends comment le clustering de texte organise le contenu écrit pour une meilleure analyse.

Audio Flamingo excelle à écouter, discuter et s'adapter à de nouvelles tâches audio.

Une nouvelle méthode améliore les modèles de langage grâce à l'intégration de connaissances.

AttentionStore améliore l'efficacité des conversations avec les modèles de langue en réutilisant des caches passés.

Ce travail explore comment les retours humains peuvent améliorer les modèles de résumé.

TrustSQL évalue les modèles texte-vers-SQL pour leur fiabilité à gérer les questions auxquelles on peut répondre et celles auxquelles on ne peut pas répondre.

Découvrez comment X-AMR transforme la résolution de la coreférence des événements avec une représentation graphique.

Cette étude met l'accent sur la qualité plutôt que sur la quantité dans les données d'entraînement pour la génération d'images.

ALoRA améliore l'ajustement des modèles de langue en allouant dynamiquement des paramètres.

ChapTER combine le contexte historique et les connaissances textuelles pour améliorer la performance de TKGR.

Cette étude aborde les défis de la capture de termes médicaux précis à partir d'audio bruyant.

Efforts pour améliorer les embeddings de phrases pour mieux gérer le langage informel.

Une étude compare les systèmes basés sur des règles et les modèles de langage pour extraire des données de soutien social.

Présentation de TABDet, une nouvelle méthode pour détecter les attaques par porte dérobée dans les tâches de traitement du langage naturel.

Un modèle de langage puissant pour des applications variées dans plusieurs langues.

Cet article explore comment les éléments de texte influencent les tâches de classification en NLP.

Une étude sur comment les connaissances préalables influencent la capacité des LLMs à reconnaître les émotions.

De nouvelles méthodes améliorent la génération de texte en se concentrant sur des citations concises et pertinentes.

Cette étude compare des méthodes SES pour une lemmatisation améliorée dans plusieurs langues.

Un cadre pour générer des dépôts de code en utilisant des exigences linguistiques simples.

Une méthode pour améliorer la compréhension des machines grâce à des embeddings multi-facettes.

Un nouvel outil aide les utilisateurs à modifier des sons facilement grâce à des instructions textuelles simples.

Le cadre OPTIN améliore les modèles de transformateurs sans avoir besoin de les réentraîner pour différentes tâches d'IA.

Examiner les biais dans la prédiction du prochain jeton et leur impact sur la performance du modèle.

Explore les forces et les faiblesses des RNN et des Transformers en traitement du langage naturel.

Cet article parle des méthodes pour réduire les erreurs dans les modèles de langage.

Le dataset ChroniclingAmericaQA améliore la réponse aux questions en utilisant des textes de journaux historiques.

ArabicaQA améliore la réponse aux questions en arabe avec un ensemble de données à grande échelle.