Hassan Sajjad

HD-Explain fornisce informazioni precise sulle previsioni dei modelli di apprendimento automatico.

Un nuovo metodo fa luce su come i modelli di NLP prendono decisioni.

Un nuovo benchmark valuta la comprensione dei modelli linguistici riguardo ai significati delle parole e alle loro relazioni.

Questo studio valuta come la dimensione del modello e la quantizzazione influenzano le prestazioni del modello linguistico.

Uno studio introduce RepNoise per proteggere i grandi modelli linguistici da un fine-tuning dannoso.

Un dataset per testare la comprensione delle differenze di parole nei modelli linguistici.

Un nuovo modo per migliorare l'apprendimento multimodale con dati mancanti.

Un nuovo metodo a ramificazione unica migliora le performance del machine learning con dati mancanti.

Un nuovo metodo per valutare i risultati dei modelli linguistici usando più giudici LLM.

PENME migliora gli aggiornamenti dei modelli linguistici, affrontando il bias lessicale e l'efficienza computazionale.

Esplorando gli attacchi di preferenza inversa e il loro impatto sulla sicurezza dei modelli.

I modelli Vision-Language affrontano sfide nella comprensione della struttura del linguaggio per i compiti immagine-testo.