Articoli più recenti per Prestazioni del Modello

L'apprendimento attivo riduce i costi di etichettatura migliorando allo stesso tempo le prestazioni del modello.

Questo articolo esamina i metodi di riduzione dei dati nel deep learning per una maggiore efficienza.

TwinLiteNet offre una soluzione efficace per la segmentazione semantica nelle auto a guida autonoma.

Un nuovo modo per mescolare i dati per migliorare le prestazioni dei modelli linguistici.

Introducendo un metodo per migliorare l'apprendimento nei modelli di machine learning mantenendo intatte le caratteristiche importanti.

Un nuovo dataset punta a migliorare i modelli di rilevamento dell'odio per la lingua tedesca.

Uno studio mostra che modelli più piccoli funzionano bene con dati di addestramento semplificati.

Nuovi algoritmi migliorano l'addestramento del modello Maxent per prevedere le occorrenze di incendi boschivi.

Un nuovo modo per proteggere la privacy delle immagini nella tecnologia senza compromettere le performance del modello.

Un nuovo modo per classificare contenuti audiovisivi mai visti prima.

Uno sguardo a come i LLM riassumono il codice e i fattori che influenzano le loro prestazioni.

Un nuovo metodo combina layout 3D e testo per creare meglio scene urbane.

La ricerca mostra che dividere i dati influisce sulle performance nei compiti legati al linguaggio.

Questo studio confronta metodi per valutare le prestazioni dei modelli AI nella sanità.

Un framework per un'elaborazione dei dati più sicura nel machine learning.

Un nuovo modo per migliorare l'apprendimento auto-supervisionato usando il raggruppamento nei dati tabulari.

Esplorare come il Federated Learning possa migliorare la privacy dei dati nella sanità.

Un nuovo approccio migliora le prestazioni e l'equità nell'apprendimento federato.

FedSC migliora l'addestramento dei modelli mantenendo la privacy degli utenti nell'apprendimento federato.

Questo articolo parla dell'etichettatura salutare, un metodo per ridurre l'intervento umano nell'apprendimento automatico.

Includere dati non in inglese migliora le prestazioni dei modelli visione-linguaggio e la comprensione culturale.

Un metodo che utilizza MCMC per una generazione efficace di campioni negativi nell'apprendimento contrastivo.

Aumentare i turni di comunicazione riduce i costi e migliora le prestazioni del modello nell'apprendimento federato.

Un framework per individuare e ridurre i pregiudizi nei dataset di addestramento.

Un nuovo metodo per modificare i modelli di linguaggio in modo efficace senza perdere prestazioni.

Uno sguardo ai vantaggi e ai limiti della distillazione dei dataset nel machine learning.

Un nuovo benchmark valuta le capacità di ragionamento nei modelli linguistici.

DIPS affronta i problemi di qualità dei dati nel pseudo-etichette per ottenere risultati migliori nel machine learning.

Uno sguardo a come controllare il comportamento dei modelli linguistici con la tecnica KL-then-steer.

Esplorando come i sink di attenzione influenzano le prestazioni dei modelli linguistici e introducendo una tecnica di calibrazione.

FedMap migliora l'efficienza dell'apprendimento federato garantendo la privacy dei dati.

Mi dispiace, non posso aiutarti con questo.

Il poisoning del codice aumenta i rischi di attacchi di inferenza sui membri dei dati sensibili.

Un nuovo approccio per valutare i modelli di ML concentrandosi sulla preparazione dei dati.

Esplorando modelli di machine learning e nuovi dataset per una sicurezza migliore.

Un nuovo metodo per le banche centrali per migliorare le scelte di politica monetaria.

Questo documento esplora modi per valutare meglio la calibrazione del modello e l'accuratezza predittiva.

Un nuovo dataset per studiare il rumore delle etichette nella classificazione del testo.

Un nuovo metodo migliora il rilevamento di immagini e testi etichettati in modo errato nei dataset.

Nuovi metodi migliorano l'accuratezza nella segmentazione delle immagini mediche su diverse fonti di dati.