Articoli più recenti per Elaborazione del linguaggio naturale

Una nuova tecnica riduce il fabbisogno di memoria per i grandi modelli di linguaggio mantenendo le prestazioni.

Un nuovo metodo migliora l'efficienza nel gestire input lunghi per i modelli di linguaggio.

Un nuovo metodo migliora la capacità di presa dei robot usando comandi in linguaggio naturale.

Un nuovo modello di embedding testuale sembra promettente nei compiti e nelle prestazioni multilingue.

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

Un nuovo benchmark mira a migliorare la valutazione dell'incertezza nei modelli linguistici.

SelECT-SQL aumenta l'accuratezza nella conversione del linguaggio naturale in query SQL.

Un nuovo metodo migliora il ragionamento del modello attraverso tracce di programmazione strutturata.

Un nuovo metodo migliora il flusso della conversazione usando più documenti come fonti.

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

Un nuovo modo per migliorare il ragionamento nei dati delle serie temporali.

THaMES offre un framework per ridurre le allucinazioni nei modelli linguistici.

Un metodo per migliorare la comprensione dei documenti usando modelli più piccoli addestrati da quelli più grandi.

Valutare l'impatto dei metodi di compressione sulle prestazioni dei modelli linguistici.

Un nuovo framework migliora le prestazioni dei modelli affrontando l'affidabilità del feedback.

I ricercatori presentano Blind-VaLM, che migliora i modelli linguistici con conoscenze visive in modo efficiente.

Semformer integra la pianificazione nei modelli di linguaggio, migliorando precisione ed efficienza.

Questo studio valuta come i modelli QA gestiscono il rumore nei dati di input.

Il metodo TRIM riduce i token delle immagini nei modelli di linguaggio multimodali mantenendo le prestazioni.

Una panoramica sulle tecnologie di riconoscimento delle parole chiave e le loro sfide con la lingua urdu.

Questo articolo esplora come le rappresentazioni relative migliorano la comunicazione dell'IA e la sua adattabilità ai compiti.

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

GenCRF migliora la riformulazione delle query di ricerca per una maggiore precisione nell'intento dell'utente.

Attention-Seeker migliora l'estrazione delle parole chiave usando le mappe di autoattenzione dei modelli linguistici.

Presentiamo CREAM, un framework per valutazioni efficaci dei riassunti delle riunioni senza testi di riferimento.

VERA migliora la precisione e la rilevanza delle risposte dei modelli linguistici.

Un nuovo modo per migliorare la trasparenza nelle risposte e nelle decisioni dell'IA.

Un nuovo metodo per migliorare i LLM arabi usando conoscenze strutturate per risposte migliori.

Il framework ARTICLE migliora la qualità dei dati nel trattamento del linguaggio naturale grazie alla coerenza interna.

Nuovi modelli migliorano le prestazioni con esperti di diverse dimensioni.

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

YORO semplifica la generazione di SQL da linguaggio naturale, migliorando l'efficienza e la precisione.

Un nuovo benchmark migliora la valutazione dei sistemi di rilevamento delle parafrasi.

Un nuovo modello migliora il modo in cui i modelli linguistici pensano e rispondono.

Uno sguardo ai metodi per rilevare dati imprevisti nei modelli di intelligenza artificiale.

Uno sguardo ai metodi migliorati per riassumere il testo in modo efficiente.

Esaminando il ruolo e la precisione dei LLM nelle ricerche legali.

TART migliora i compiti di ragionamento sulle tabelle usando strumenti specializzati e modelli linguistici grandi.

Un nuovo metodo per migliorare la risposta dei modelli di linguaggio ai comandi degli utenti.

Michelangelo valuta i modelli di linguaggio sulla loro capacità di ragionare attraverso contesti lunghi.