Derniers articles pour Traitement du langage naturel

Un aperçu complet des grands modèles de langage, de leurs utilisations et des défis.

VCSum fournit un ensemble de données complet pour une bonne résumé de réunions en chinois.

Cette recherche améliore la traduction automatique de texte à partir d'images en utilisant plusieurs modèles enseignants.

De nouvelles méthodes améliorent le contrôle de la longueur des résumés pour une meilleure qualité.

Un aperçu des récentes améliorations dans la reconnaissance des noms dans le texte coréen.

Le dataset WikiSQE met en avant les problèmes de qualité dans les phrases de Wikipédia.

Un nouveau cadre d'IA relie les images et le langage pour mieux gérer les tâches.

Ce travail explore comment les robots peuvent mieux planifier des tâches en utilisant le langage et des infos visuelles.

Cette étude évalue les modèles BERT pour le traitement du langage naturel sur des appareils à faibles ressources.

Une nouvelle approche combine des éléments visuels et des connaissances externes pour améliorer les réponses aux questions.

Une nouvelle méthode améliore le raisonnement des modèles de langage et gère les éléments distracteurs de manière efficace.

Cet article examine comment les LLM gèrent les connaissances négatives et les défis qui vont avec.

Examiner comment les modèles de langage perdent des connaissances pendant l'entraînement continu.

De nouvelles méthodes améliorent les modèles de langue pour mieux comprendre les langues à faibles ressources.

Decker combine des sources de connaissance pour améliorer la vérification du bon sens.

Une étude sur l'impact des biais dans les grands modèles de langage pendant le questionnement.

De nouvelles méthodes améliorent la synthèse des conversations entre médecins et patients pour un meilleur soins de santé.

PT-* améliore le traitement du langage pour les locuteurs portugais, renforçant les capacités de l'IA.

Un nouveau modèle combine des données audio et texte pour améliorer la précision de la reconnaissance vocale.

Méthodes pour améliorer la classification des intentions des chatbots avec un minimum de données d'entraînement.

Ce document présente un nouveau modèle multilingue pour améliorer le traitement des langues.

Un ensemble de données vise à améliorer les réponses aux questions dans les langues africaines.

Une méthode pour améliorer l'efficacité dans l'entraînement des modèles de langue grâce à la sélection de données.

Une nouvelle méthode aide les machines à garder des connaissances dans les tâches d'extraction de relations.

Le modèle SCKD améliore l'apprentissage continu pour l'extraction de relations tout en résolvant les problèmes d'oubli.

Une étude sur l'amélioration des recommandations basées sur le contenu en utilisant des LLMs.

Une nouvelle méthode pour sélectionner des travailleurs de foule améliore la qualité de l'étiquetage des données et réduit les coûts.

Un nouvel outil qui relie le texte et les images pour différentes tâches.

Une nouvelle méthode utilise la fréquence des mots pour mieux sélectionner les dimensions dans les embeddings de mots.

RepAL améliore les représentations de phrases en filtrant efficacement les infos inutiles.

Améliorer les petits modèles pour les questions médicales grâce à des techniques innovantes et des méthodes de données.

Une nouvelle façon d'évaluer la qualité de traduction sans données étiquetées.

Une nouvelle approche améliore les représentations de phrases en utilisant plusieurs instances similaires.

Examiner les risques et effets du détournement de modèles en traitement du langage naturel.

Une nouvelle méthode met en lumière les biais dans les réponses des modèles de langage.

Un aperçu de la capacité de ChatGPT à raisonner de manière causale.

Open-WikiTable propose un dataset pour répondre à des questions complexes en utilisant des données de tableau.

SCENE automatise la création d'exemples négatifs pour améliorer l'entraînement des modèles de langue.

Une étude révèle les forces et les faiblesses des gros modèles pour traiter le texte dans les images.

Une nouvelle méthode améliore la réponse aux questions vidéo en analysant les connexions d'événements.