Articoli più recenti per Rifinitura

Esaminando il ruolo di IKUN e IKUN-C nella traduzione efficace di più lingue.

Le ricerche mostrano un'efficace sostituzione delle Positional Embeddings nei modelli di traduzione.

Esaminando il ruolo dei dati nel migliorare la traduzione per le lingue a basso costo.

Questo articolo esamina come i modelli riconoscono il tono, l'accento e gli accenti di intonazione.

Uno sguardo ai vantaggi dei modelli locali e delle pipeline LLMOps.

Lo studio analizza l'efficacia dei LLM specializzati nei compiti clinici.

Scopri come i chatbot personalizzati possono migliorare le esperienze educative nell'istruzione superiore.

Un nuovo metodo aiuta a identificare la contaminazione dei dati di test negli LLM usando le probabilità dei token.

Scopri metodi efficienti per ottimizzare grandi modelli di linguaggio usando rumore gaussiano.

Un nuovo algoritmo migliora l'efficienza del dataset per il fine-tuning dei modelli linguistici.

Esplorando come i LLM stiano plasmando il futuro della salute.

Uno sguardo a come il transfer learning influisce sulle prestazioni del modello attraverso le leggi di scalabilità.

Nuovo metodo combina la conoscenza degli esperti con grandi modelli per analizzare i segnali di vibrazione industriale.

Un nuovo metodo sfrutta i dati vocali per migliorare le valutazioni sull'autismo.

Nuovi metodi migliorano il modo in cui i robot apprendono e si adattano ai compiti.

Nuovi metodi migliorano l'efficienza della generazione delle immagini su dispositivi limitati.

Questo articolo presenta un nuovo metodo per sistemi di dialogo realistici usando tratti specifici degli utenti.

Un nuovo metodo per migliorare l'accuratezza e l'efficienza del recupero k-NN.

Questo studio esamina la creazione di radiografie toraciche realistiche tramite tecniche avanzate di apprendimento automatico.

Uno studio rivela vulnerabilità nei modelli di intelligenza artificiale a causa degli attacchi backdoor.

SSR migliora le prestazioni dei modelli linguistici mantenendo le loro abilità generali.

AstroMAE usa autoencoder mascherati per migliorare le previsioni di redshift in astronomia.

I ricercatori ottimizzano i LLM per migliorare l'onestà e l'affidabilità nei risultati.

Questo articolo parla delle sfide e delle soluzioni nella valutazione dei modelli di risposta a domande basate su contesto.

Un nuovo approccio migliora la chiarezza della ricerca usando grafi di conoscenza cognitiva e modelli di linguaggio.

Uno sguardo agli ultimi sviluppi nei modelli di traduzione automatica.

Un nuovo metodo per adattare i modelli di intelligenza artificiale con dati etichettati limitati.

Un nuovo framework migliora il machine learning per il controllo del movimento in diversi ambienti.

Esplorando le preoccupazioni sulla privacy nel perfezionamento dei modelli di diffusione con dati personali.

Block-Attention migliora i modelli di linguaggio accelerando le risposte senza perdere precisione.

Uno studio esplora lo sviluppo dell'ASR per Amis e Seediq, concentrandosi sull'uso dei dati.

Questo studio esplora modelli generativi per creare in modo efficace frasi chiave nei documenti scientifici.

Uno sguardo a come IRL migliora le performance e la diversità dei modelli linguistici.

Nuovi metodi migliorano l'accuratezza e l'efficienza della traduzione per più lingue.

Un nuovo metodo migliora l'efficienza nel fine-tuning dei modelli di linguaggio.

Esplorando nuovi metodi per migliorare le previsioni delle serie temporali usando la perdita di Wasserstein.

Esaminando come il fine-tuning influisce sulla sicurezza nei modelli linguistici in vari compiti.

I Transformers migliorano l'accuratezza della classificazione per il Disturbo dello Spettro Autistico grazie all'analisi avanzata delle immagini cerebrali.

La ricerca si concentra sul migliorare la capacità dei modelli linguistici di capire testi più lunghi.

Il nuovo metodo MEOW affronta l'eliminazione dei dati sensibili nei LLM senza perdere prestazioni.