Christopher Potts

Valutare l'accuratezza delle spiegazioni neuronali nei modelli di linguaggio mette in luce difetti importanti.

Questo studio testa nuovi metodi per valutare le descrizioni delle immagini rispetto alle opinioni umane.

Un dataset testa i modelli di linguaggio su compiti di linguaggio autoreferenziale.

La ricerca mostra che GPT-2 fa fatica con le lingue che sfidano i modelli umani.

Esplora come le illusioni di interpretabilità influenzano la nostra visione delle reti neurali.

Uno studio su come i modelli linguistici elaborano e comprendono compiti linguistici complessi.

Uno studio che valuta vari metodi per interpretare i neuroni dei modelli linguistici.

MoEUT migliora l'efficienza e le prestazioni dei Transformer Universali nei compiti di linguaggio.

Uno studio dettagliato su come i modelli memorizzano il testo e le sue implicazioni.

Metodi innovativi migliorano l'allineamento dei LLM con le preferenze umane per una performance migliore.

Uno sguardo approfondito alle Gated Recurrent Units nell'apprendimento delle sequenze.

Questo approccio semplifica la scelta di dataset di pretraining efficaci per i modelli linguistici.

Un nuovo dataset migliora i suggerimenti di completamento automatico delle query usando dati reali degli utenti.