Articoli più recenti per Apprendimento contestuale

Uno studio che confronta l'apprendimento in contesto e l'apprendimento supervisionato rivela differenze chiave nelle prestazioni del modello.

Nuovi parametri di riferimento usando l'AI generativa migliorano le tecniche di combinazione delle tabelle dei dati.

Uno studio su come prefixLM superi causalLM nell'apprendere dal contesto.

Raven migliora i modelli linguistici con tecniche di recupero innovative e un apprendimento del contesto migliorato.

Un nuovo approccio che unisce ICL e generazione di codice per previsioni migliori.

HICL migliora la comprensione dei post sui social media usando hashtag e apprendimento contestuale.

Questo studio confronta PEFT e ICL nel migliorare la generazione di codice usando LLM.

Questo studio esplora il legame tra abilità emergenti e apprendimento in contesto nei grandi modelli di linguaggio.

Questo studio valuta la capacità di LLaMa di tradurre tenendo conto del genere.

Un nuovo approccio combina l'apprendimento in contesto e il fine-tuning per migliorare le performance del modello.

Scopri come i modelli di intelligenza artificiale possono migliorare la classificazione delle domande nel settore bancario.

La ricerca mostra che i modelli NMT possono adattarsi rapidamente con pochi esempi.

Esplorare come i trasformatori si adattano a prevedere risultati in sistemi sconosciuti.

Analizzando gli effetti del fine-tuning e proponendo il prompting coniugato come soluzione.

Combinare modelli di recupero con modelli di linguaggio migliora le prestazioni nei compiti di classificazione del testo.

Scopri come i LLM migliorano l'accuratezza nella traduzione di lingue ambigue.

Questo documento esamina i limiti dell'apprendimento in contesto nei modelli linguistici.

Bode è un modello di linguaggio progettato per migliorare la comprensione del testo in portoghese.

Esaminando come i modelli di prompt influenzano le prestazioni dei grandi modelli di linguaggio.

Migliorare l'adattabilità dei modelli linguistici attraverso il recupero selettivo degli esempi.

Un nuovo metodo migliora la gestione degli incidenti per i servizi cloud usando dati storici.

Esplorare come l'unlearning delle macchine aiuti nella privacy dei dati e nella conformità.

Esplora come i LLM possono migliorare il riconoscimento dei bot affrontando i rischi associati.

Una panoramica sull'apprendimento e il riconoscimento delle abilità nei modelli di linguaggio di grandi dimensioni.

Il data poisoning mette a rischio l'integrità dei sistemi di apprendimento in contesto, rivelando vulnerabilità nascoste.

Scopri come Mamba cambia l'apprendimento in contesto per le applicazioni di intelligenza artificiale.

Esaminando le capacità di Mamba e il suo modello ibrido con i Transformers.

Uno studio rivela come i LLM si adattano all'apprendimento in base ai feedback durante i compiti.

VisLingInstruct migliora la capacità dei modelli di integrare testo e immagini.

Introducendo un nuovo modello per prevedere le connessioni in vari tipi di grafi.

Questo documento analizza i vantaggi dell'attenzione multi-testa rispetto all'attenzione a testa singola nei compiti di machine learning.

Una panoramica dell'apprendimento in contesto e delle sue applicazioni pratiche attraverso il framework Pelican Soup.

Questo studio analizza come i modelli linguistici adattano le loro previsioni utilizzando l'apprendimento in contesto.

Un nuovo metodo per scegliere le dimostrazioni migliora le prestazioni del modello nei compiti di linguaggio.

Esaminando come i Transformers apprendono dal contesto per affrontare compiti mai visti prima.

Esaminando le dimensioni del campione necessarie affinché modelli specializzati superino quelli generali.

Questo articolo esplora come la casualità influisce sull'apprendimento con dati etichettati limitati.

Esplorare l'apprendimento nel contesto e le sue implicazioni sulle performance dell'AI multilingue.

Esplorare i progressi e le applicazioni dei trasformatori lineari nel machine learning.

Nuovo metodo migliora le prestazioni dei modelli linguistici tramite una selezione migliore degli esempi.