Derniers articles pour Traitement du langage naturel

RPC-Attention améliore les modèles d'auto-attention pour de meilleures performances sur des données bruyantes.

La recherche met en avant des méthodes pour garder la cohérence du dialogue dans les conversations liées aux restos.

Cet article examine comment la quantification peut améliorer l'efficacité de l'entraînement des modèles de langage Transformer.

De nouvelles méthodes améliorent la précision pour décrire les changements d'image malgré les distractions.

Un nouveau modèle renforce la connexion entre les vidéos et leurs descriptions textuelles.

Examiner le rôle et les défis de la tokenisation dans le traitement du langage naturel.

Une étude évalue l'adaptabilité des modèles de langage pour résumer des sujets variés.

Analyser comment les transformers comptent les occurrences d'éléments dans des séquences.

BootRet améliore la précision de la récupération de documents avec des mises à jour dynamiques des identifiants.

Examiner comment les LLM peuvent additionner des chiffres sans étapes explicites.

Combiner des LLM et Prolog améliore le raisonnement dans la génération de texte.

Une nouvelle méthode améliore l'efficacité d'embedding pour les modèles de langue.

ReSP améliore la réponse aux questions multi-sauts grâce à une récupération structurée et une synthèse intelligente.

Apprends comment l'ingénierie des prompts améliore les performances des modèles de langage dans les tâches de NLP.

Découvrez comment l'apprentissage par transfert améliore les résultats des modèles en utilisant des connaissances provenant de tâches connexes.

Nouveau modèle qui combine le langage naturel et le contact main-objet en 3D pour plus de réalisme.

Un aperçu de comment les machines reconnaissent le sarcasme grâce à de nouvelles méthodes.

Cet article examine comment l'initialisation des embeddings influence la performance des modèles de transformateurs.

Une nouvelle approche pour mesurer la difficulté des données pour un meilleur entraînement des modèles.

Cet article examine l'efficacité des modèles multimodaux en utilisant des données linguistiques et visuelles.

Une étude sur l'amélioration de la précision de la transcription grâce à une meilleure conception des invites.

Cette étude met en avant les améliorations de STR en utilisant RoBERTa à travers les langues.

Combiner la compréhension du langage et la vision améliore les capacités de navigation des robots.

Ce papier met en avant la performance des modèles de langage ternaire et leur efficacité.

Une nouvelle méthode automatise la création de données pour les tâches de visual grounding, améliorant l'efficacité de l'apprentissage machine.

Un aperçu de l'approche de Mamba pour identifier les objets indirects dans les phrases.

De nouvelles méthodes promettent une meilleure compréhension de la lecture en milieu clinique.

Un nouveau jeu de données pour améliorer la performance des réponses aux questions avec de longues réponses rédigées par des humains.

Une nouvelle approche améliore les réseaux de neurones graphiques en utilisant de grands modèles de langage.

Apprends des méthodes efficaces pour peaufiner des grands modèles de langage avec moins de données et à moindres coûts.

Une nouvelle approche pour améliorer les modèles de langage en utilisant des retours humains.

X-Former améliore comment les modèles combinent la compréhension des images et des textes.

Les robots peuvent maintenant comprendre et suivre des instructions en langage pour saisir des objets de manière efficace.

CoAPT améliore la classification d'images grâce à des mots d'attribut contextuels dans le réglage de prompt.

Les chercheurs utilisent des tests pour comprendre les capacités d'apprentissage des modèles de langage grâce à une analyse causale.

Un ensemble de données roumain révolutionnaire améliore considérablement le développement des modèles de langage.

Découvre comment la taille du vocabulaire influence la performance des gros modèles de langage.

Cette étude compare des méthodes pour détecter des positions sur des sujets clés dans des textes arabes.

Une étude sur à quel point les LLMs fonctionnent comme des bases de connaissances fiables.

Une nouvelle façon d'analyser des données non structurées en utilisant des techniques de requête avancées.