Articoli più recenti per Addestramento del modello

Uno sguardo al micro-batch clipping e ai suoi vantaggi per l'allenamento dei modelli.

Un nuovo metodo per aumentare la robustezza del modello contro attacchi avversari.

Esplorare come i modelli linguistici grandi apprendono dagli esempi in vari contesti.

Esplorando come l'apprendimento multi-task influisca sulle prestazioni e sulla generalizzazione del modello.

Un nuovo approccio semplifica la sicurezza e l'aiuto nella formazione dei modelli linguistici.

Un nuovo metodo semplifica l'allineamento dei modelli linguistici con le preferenze umane.

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

Esplorare le sfide dell'apprendimento multi-task e continuo nel machine learning.

Questo studio migliora la classificazione delle serie temporali usando tecniche di soft label smoothing per la rappresentazione.

CoRA migliora l'efficienza nell'addestramento di grandi modelli linguistici utilizzando conoscenze condivise.

Un nuovo framework migliora la potatura dei dati concentrandosi su modelli pre-addestrati per compiti molecolari.

Questo articolo esplora l'impatto degli attacchi ai modelli di machine learning e le strategie difensive.

CDSSL migliora la previsione delle proprietà dei materiali attraverso tecniche basate sui dati.

Un nuovo metodo migliora il riconoscimento delle grafici da parte delle macchine per una migliore accessibilità.

RC-FED riduce i costi di comunicazione mantenendo la qualità del modello nell'apprendimento federato.

Y-Drop migliora il dropout concentrandosi sull'importanza dei neuroni, migliorando le prestazioni del modello.

KRDistill migliora la distillazione della conoscenza affrontando problemi di sbilanciamento dei dati.

Esplora l'ascesa e l'impatto dei modelli di fondazione nell'intelligenza artificiale.

Questo articolo esamina i fattori chiave nella qualità dei dataset di preferenze per un migliore addestramento dei modelli di ricompensa.

Quest'articolo mette in evidenza come le variazioni delle etichette influenzano i modelli di machine learning.

Un nuovo metodo migliora la selezione dei dati per l'addestramento dei modelli linguistici.

Un approccio nuovo migliora il potatura dei dati per un training del modello migliore.

Tecniche per bilanciare la distribuzione dei dati nel federated learning per migliorare le prestazioni del modello.

Uno studio rivela che il bias contestuale influisce sulle prestazioni di rilevamento degli oggetti in diversi ambienti.

Un nuovo metodo migliora la stima dell'affinità dei compiti per l'apprendimento multitask.

Un approccio fresco migliora l'addestramento di gruppi di modelli diversi in modo efficiente senza dati OOD separati.

Scopri come la quantizzazione a bassa bit migliora l'efficienza dei grandi modelli linguistici.

Un nuovo approccio migliora il processo di apprendimento tra i modelli di insegnante e studente.

Un nuovo metodo per bilanciare la conoscenza generale e l'adattamento specifico ai compiti nei modelli.

Presentiamo TA-Cleaner, un metodo per migliorare le difese dei modelli multimodali contro il data poisoning.

Questo studio parla di come migliorare l'accuratezza dei modelli per dati sbilanciati usando la correzione logit.

Questo articolo parla di come l'apprendimento composizionale migliora le prestazioni dei modelli in vari compiti.

Un nuovo metodo migliora il trasferimento di conoscenze nei modelli di machine learning.

Questo articolo esamina come la lunghezza dell'allenamento influisce sui tassi di apprendimento nei LLM.

Un nuovo metodo per migliorare la resilienza del Federated Learning contro gli attacchi ai dati.

Un metodo per migliorare le prestazioni del modello nonostante etichette di dati sbagliate.

Questo articolo esplora lo smooth boosting e i suoi vantaggi nell'addestramento dei modelli.

Un nuovo modo per addestrare modelli di intelligenza artificiale rispettando gli standard di sicurezza.

ClassroomKD crea modelli più intelligenti grazie a interazioni dinamiche tra mentori e studenti.

Questo articolo parla dei vantaggi di usare PT-PEFT per modelli di apprendimento automatico intelligenti.