Articoli più recenti per Valutazione

Nuovo benchmark migliora la valutazione dei modelli multimodali minimizzando i bias.

GraphArena valuta le prestazioni degli LLM su problemi di grafi utilizzando dati del mondo reale.

Esplora un modo giusto per condividere il credito nei progetti di gruppo.

Un nuovo benchmark per valutare i modelli linguistici di grandi dimensioni nei test di ipotesi.

CRAB migliora i test per i modelli linguistici in ambienti reali.

Questo articolo esamina l'impatto dei cambiamenti temporali sulle valutazioni dei sistemi di recupero delle informazioni.

Presentiamo FairMedFM per valutare l'equità dei modelli di fondazione nella sanità.

Nuovo dataset migliora le prestazioni del modello di lingua araba e favorisce una comunicazione efficace.

Studiare come la quantizzazione influisce sulle prestazioni in diverse lingue.

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

Un nuovo benchmark affronta le sfide nel recupero del codice per gli sviluppatori.

Nuovi metodi migliorano l'affidabilità del testo generato dai modelli di linguaggio.

Uno strumento per identificare risposte fuorvianti da modelli linguistici ampi.

Scopri l'importanza e le sfide di valutare efficacemente le prestazioni degli LLM.

Uno sguardo alle classifiche dei modelli di fondazione e ai problemi di valutazione.

Lo studio rivela il bias negli strumenti di valutazione dell'IA che favoriscono le risposte più lunghe.

Un nuovo approccio migliora l'accuratezza delle valutazioni dei modelli di linguaggio.

Un nuovo metodo per selezionare lingue diverse nella ricerca di elaborazione del linguaggio naturale.

Un nuovo benchmark valuta le capacità di ragionamento temporale dei grandi modelli linguistici.

Approccio innovativo per creare funzioni di acquisizione efficaci per l'ottimizzazione bayesiana.

Un nuovo set di dati migliora la precisione nella valutazione dei riassunti delle storie generati dai modelli di linguaggio.

Un nuovo metodo per valutare gli agenti di analisi dei dati per migliori intuizioni aziendali.

Una sfida per migliorare la comprensione delle interazioni umane da parte dei robot.

Un nuovo framework punta ad automatizzare le recensioni dei paper per feedback di qualità migliore.

Presentiamo DictaLM 2.0 e DictaLM 2.0-Instruct per un'elaborazione migliorata della lingua ebraica.

Questo studio esamina quanto bene i modelli rappresentano culture diverse.

Un progetto incentrato sul miglioramento della generazione di storie in arabo usando modelli avanzati.

Un modo nuovo per valutare i modelli linguistici grandi per avere migliori intuizioni sulle performance.

La ricerca presenta nuovi metodi per valutare i sistemi di riconoscimento vocale in polacco.

Scopri come i dati sintetici aiutano i rivenditori a proteggere la privacy dei clienti mentre ottengono informazioni.

DocBench valuta i sistemi basati su LLM per leggere e rispondere a diversi formati di documenti.

Un framework per valutare le capacità dei LLM in compiti legati ai dati con interpreti di codice.

Esaminare l'impatto dei LLM sui stereotipi sociali e i modi per migliorare i risultati.

Questo studio propone un nuovo metodo di valutazione per la comprensione video-testo.

Analizzando l'importanza e le difficoltà di valutare i modelli di intelligenza artificiale multimodali.

Un nuovo dataset per migliorare le prestazioni nelle risposte alle domande usando risposte lunghe, fatte a mano da esseri umani.

I modelli Phi-3 si concentrano sulla sicurezza e sull'allineamento con i valori umani.

Esaminando i problemi con i modelli linguistici grandi nel prevedere elementi mancanti in una lista.

Uno studio che confronta modelli di intelligenza artificiale e valutazioni umane di riassunti scientifici.

Un nuovo benchmark valuta i modelli di linguaggio su sfide di programmazione scientifica in vari campi.