Tianyi Zhou

MADAug migliora l'augmentazione dei dati adattando le tecniche alle necessità del modello durante l'addestramento.

Un nuovo metodo permette agli agenti RL di cambiare forma del corpo per adattarsi meglio ai compiti.

Un nuovo dataset per valutare i LLM su domande di elaborazione del linguaggio naturale.

Esplorare le sfide e le soluzioni del reward hacking nell'addestramento dei modelli AI.

MuLan migliora la generazione di immagini da testo suddividendo i compiti in passaggi più semplici.

Nuovo metodo migliora le embeddings delle frasi usando più prompt per una maggiore precisione.

Esaminando la capacità dei LLM di affrontare problemi matematici, specialmente l'aritmetica modulare.

Esplorando come i trasformatori favoriscano funzioni a bassa sensibilità per migliorare le prestazioni.

Un nuovo metodo per migliorare l'apprendimento federato tramite la Modellazione Additiva Multi-Livello.

La ricerca mostra come i patch di attivazione influenzano la generazione di immagini nei modelli di diffusione.

Esplora come i LLM fanno le addizioni usando tecniche matematiche uniche.

Un nuovo metodo migliora i modelli linguistici integrando conoscenze tra le lingue.

Questo metodo migliora la creazione di prompt per i grandi modelli di linguaggio, migliorando le prestazioni complessive.

Un nuovo framework permette agli agenti AI di creare azioni in modo dinamico per risolvere problemi meglio.

SpecHub accelera la generazione di testi dei modelli linguistici con un nuovo approccio.

Esplorare come i trucchi audio confondono i modelli linguistici.

Florence-2 e DBFusion ridefiniscono il modo in cui le macchine interpretano immagini e testo.