Liangming Pan

Questo articolo parla di come l'auto-correzione aumenti l'affidabilità dei modelli linguistici.

Uno studio su come generare domande di follow-up significative per approfondire la comprensione.

Questo articolo parla dell'importanza e degli ostacoli nei sistemi di verifica dei fatti.

Un nuovo approccio potenzia il ragionamento scientifico dei modelli linguistici tramite un uso efficace degli strumenti.

Investigando il bias personale nei LLM e il suo impatto sulle performance.

Quest'articolo esplora come gli avversari influenzano il lavoro di squadra tra i modelli linguistici.

Un nuovo metodo migliora la riparazione del codice per linguaggi di programmazione poco usati.

TART migliora i compiti di ragionamento sulle tabelle usando strumenti specializzati e modelli linguistici grandi.