Derniers articles pour Traitement du langage naturel

L'attention croisée réduit les besoins en mémoire tout en maintenant la performance du modèle dans le traitement du langage.

Cette étude examine la performance des CLM et MLM dans la génération de texte.

Explorer une nouvelle méthode pour comprendre l'émergence dans les modèles de langage.

Une nouvelle méthode améliore la précision et la clarté de la vérification des faits.

Une nouvelle méthode améliore l'identification des circuits dans les grands modèles de langage.

Des techniques innovantes d'édition de modèles offrent des résultats de modèles linguistiques plus sûrs sans avoir besoin de réentraînement intensif.

Cette étude remet en question l'efficacité de ReAct pour améliorer la performance des LLM.

Aaren améliore l'efficacité des modèles basés sur l'attention pour l'analyse de données séquentielles.

Une nouvelle approche aligne les modèles de langage avec le contenu vidéo en utilisant des simulations textuelles.

Une nouvelle méthode combine des LLM et des KG pour améliorer la précision du raisonnement.

Cet article explore des techniques d'analyse de circuits dans les modèles de transformateurs pour améliorer le traitement du langage.

Examiner comment les modèles de langage évaluent et génèrent des récits captivants.

Un nouveau cadre réduit les biais de données, améliorant les performances de suivi des instructions dans les modèles de langage.

Ce travail explore le rôle des LLM dans l'amélioration de l'apprentissage par renforcement avec le façonnement des récompenses.

OptLLM aide les utilisateurs à choisir les meilleurs LLMs en fonction des budgets et des tâches.

Cette recherche souligne le besoin d'une meilleure évaluation de l'utilisation de l'historique des conversations par les systèmes de dialogue.

LangCell combine des données de cellule et du langage naturel pour une meilleure analyse des cellules.

Une nouvelle méthode améliore la façon dont les systèmes gèrent les erreurs dans la compréhension du langage parlé.

Cet article parle d'une méthode de classement flexible utilisant des embeddings multi-vecteurs pour de meilleurs résultats de recherche.

Cet article parle des problèmes et des meilleures pratiques pour évaluer les modèles linguistiques.

AGILE renforce les agents LLM avec de la mémoire, des conseils d'experts, et des outils en temps réel.

Une nouvelle façon d'améliorer les modèles de transformateur en utilisant des techniques d'encodage positionnel adaptables.

I2CL améliore l'efficacité et la performance dans les tâches des modèles linguistiques.

AdvEval met en lumière les faiblesses des métriques d'évaluation de la génération de langage naturel.

Une nouvelle méthode améliore l'efficacité dans les tâches de classement de documents.

Un cadre pour mieux détecter les fausses affirmations dans les modèles de langage.

Une nouvelle méthode pour améliorer la réécriture des requêtes sans données étiquetées.

De nouvelles méthodes améliorent la performance des modèles pendant la quantification dans les modèles de langage.

Les chercheurs examinent les défis rencontrés par les LLM avec des questions ambiguës.

Une nouvelle méthode pour améliorer l'utilisation de la mémoire dans les modèles de langage.

Une méthode d'apprentissage actif en deux étapes améliore la précision de la reconnaissance vocale avec moins de données.

Un ensemble de données qui facilite la recherche des dossiers médicaux électroniques via le langage naturel.

MoEUT améliore l'efficacité et les performances des Transformers Universels dans les tâches linguistiques.

Une étude sur l'amélioration de la robustesse contre les attaques dans les modèles de langage.

Examiner comment la complexité géométrique influence la performance des modèles en apprentissage par transfert.

Cet article parle des hallucinations dans les LVLMs et propose des méthodes pour les gérer.

Le cadre HDC améliore la reconnaissance d'objets en utilisant des descriptions en langage dans les images.

Présentation de l'Alignement par Démonstrations pour des modèles de langage sûrs et efficaces.

Un aperçu du domaine en pleine expansion de la génération de texte et de ses implications.

Une méthode pour entraîner des gros réseaux de neurones de manière efficace tout en utilisant moins de mémoire.