Articoli più recenti per Addestramento del modello

Esaminare l'impatto dei dati sintetici sulle prestazioni e sull'apprendimento dei modelli di IA.

Scopri come il mix di semantica migliora le prestazioni e la generalizzazione dei modelli nel machine learning.

Un metodo per aiutare i modelli a prevedere classi mai viste senza dover fare un sacco di riaddestramento.

Platypus offre una soluzione veloce e conveniente nel campo dell'elaborazione del linguaggio.

Questo articolo parla di come gestire il rumore della comunicazione nel federated learning per migliorare le performance del modello.

MarginMatch migliora l'addestramento dei modelli con pseudo-etichette di alta qualità.

FlexiAST permette ai modelli di adattarsi a diverse dimensioni di patch audio in modo efficiente.

Questo articolo esamina come la casualità influisca sui risultati dell'addestramento nei modelli di apprendimento automatico.

Il trasferimento di apprendimento usa e getta affronta le preoccupazioni sulla privacy mantenendo le prestazioni del modello.

Esaminando i vantaggi dei Modelli di Diffusione per i compiti di classificazione e segmentazione delle immagini.

FedSoL migliora l'apprendimento locale mantenendo l'allineamento del modello globale.

Un nuovo metodo per addestrare rapidamente modelli proteici in un solo giorno.

Un nuovo metodo migliora la generazione di immagini a partire da descrizioni testuali dettagliate.

Nuovi metodi migliorano la resilienza delle reti neurali contro gli attacchi avversariali.

Un nuovo metodo per migliorare la comprensione del linguaggio nei modelli di intelligenza artificiale.

Un metodo per migliorare i modelli di machine learning usando dati fidati e non fidati.

Nuovi metodi migliorano l'uso della memoria e la velocità nell'addestramento dei modelli linguistici.

Nuovo framework collega il Client Drift e il Catastrofico Oblio per migliorare le prestazioni del modello.

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

Esaminare il compromesso tra il fine-tuning e la preservazione delle abilità generali nei modelli di IA.

L'addestramento avversariale migliora la resistenza dei modelli di machine learning alla manipolazione degli input.

Imparare dal Drift migliora le performance del modello nel federated learning con dati diversi.

DFedADMM e DFedADMM-SAM migliorano l'addestramento dei modelli garantendo la privacy dei dati.

Ricerca sulla previsione dei tempi di addestramento per modelli di machine learning usando FPTC.

Presentiamo MetaCLIP per una migliore raccolta di dati immagine-testo.

Un nuovo framework identifica e rimuove campioni di dati difettosi nei sistemi di intelligenza artificiale.

Scopri l'impatto delle reti di filtraggio dei dati sui dataset di machine learning e sulle prestazioni del modello.

Esaminando come i modelli continui influenzano la robustezza e le prestazioni nel machine learning.

Combinare modelli fondamentali e specializzati potenzia le capacità dell'IA in modo efficace.

DP-ZO bilancia privacy e prestazioni nell'addestramento dei modelli linguistici.

Introducendo un metodo che misura la qualità delle risposte a diversi livelli di dettaglio.

Un nuovo metodo migliora l'addestramento dei modelli con etichette rumorose usando la Dimensione Intrinseca Locale.

Un nuovo approccio permette ai modelli di adattarsi in modo efficace a diverse categorie di compiti.

Una panoramica delle Support Vector Machines e delle loro applicazioni nel machine learning.

Questo articolo esplora come le simmetrie influenzano il comportamento di apprendimento delle reti neurali.

AutoFT migliora le prestazioni del modello su dati mai visti grazie a tecniche di fine-tuning innovative.

SEED usa una selezione di esperti per migliorare l'apprendimento nel tempo.

Un metodo per migliorare l'apprendimento per classi di dati sottorappresentate usando le informazioni delle classi principali.

WARM punta a migliorare l'allineamento dei grandi modelli linguistici con i valori umani.

Uno studio su come migliorare i modelli linguistici nella finanza con strumenti esterni.