Articoli più recenti per Elaborazione del linguaggio naturale

Esplora l'approccio incentrato sui dati per migliorare i sistemi di software AI.

Un nuovo metodo migliora la velocità di generazione del testo usando modelli linguistici grandi e piccoli.

Uno studio sui metodi efficienti per il fine-tuning di modelli grandi tramite Low-Rank Adaptation.

MobiLlama offre un'elaborazione linguistica efficiente per dispositivi con risorse limitate.

La ricerca esamina come i LLM collegano le informazioni per rispondere a domande complesse.

Combinare i modelli migliora notevolmente l'accuratezza dell'analisi del sentiment.

Un nuovo metodo migliora l'efficienza del riconoscimento vocale usando l'adattamento a basso rango.

Ricerca su come il bias induttivo influisce sulle prestazioni del modello Transformer.

Esaminando i limiti dei grandi modelli visivo-linguistici nella comprensione dettagliata delle immagini.

La ricerca affronta problemi di tempistica nelle risposte dei modelli linguistici per migliorare l'accuratezza.

Quest'articolo esplora le sfide di ottimizzazione nei Transformers e quanto sia efficace Adam rispetto a SGD.

GNER migliora il riconoscimento delle entità integrando istanze negative e migliorando il contesto.

Una nuova infrastruttura collega i dataset di NLP per misurare l'intelligenza sociale.

Un nuovo metodo per valutare l'accuratezza degli output dei LLM usando le dimensioni intrinseche locali.

Questo sondaggio esamina gli sviluppi recenti nei sistemi di dialogo multi-turno che sfruttano i grandi modelli di linguaggio.

Un metodo per migliorare la precisione nei grandi modelli linguistici garantendo risposte varie.

Un nuovo metodo aumenta l'efficienza del fine-tuning per i modelli di linguaggio in vari compiti.

Uno studio che valuta vari metodi per interpretare i neuroni dei modelli linguistici.

I ricercatori migliorano i modelli Encoder-Decoder per prevedere meglio la complessità delle frasi usando caratteristiche linguistiche.

Esaminando come i modelli imparano da più didascalie e le scorciatoie che trovano.

Esaminando l'impatto della miscalibrazione sulla resilienza dei modelli NLP agli attacchi avversari.

Un metodo doppio per addestrare e usare i modelli di linguaggio in modo efficiente.

Un nuovo metodo aiuta i robot a imparare i compiti meglio usando indicazioni in linguaggio naturale.

Esaminando l'autoattenzione e la discesa del gradiente nei modelli transformer.

Nuovo metodo migliora le embeddings delle frasi usando più prompt per una maggiore precisione.

Uno sguardo a come LLaMA-2 elabora il linguaggio usando un ragionamento strutturato.

Il nuovo dataset DANSK migliora le prestazioni del NER danese su vari testi.

NeuroPrune riduce le dimensioni dei modelli linguistici mantenendo le prestazioni, rendendoli più veloci e accessibili.

I CLLM migliorano la velocità e l'accuratezza nella generazione del linguaggio grazie a tecniche di allenamento più affinate.

Un nuovo approccio di insieme migliora l'analisi delle strutture di frasi complesse.

Esaminando le limitazioni dei modelli linguistici per generare definizioni di pianificazione in contesti diversi.

Un'analisi dei Transformers e dei loro metodi di apprendimento autoregressivo nel contesto.

TV-TREES migliora il video question answering con strutture di ragionamento chiare.

Un nuovo framework migliora il processo decisionale multi-turn per i modelli linguistici.

Hawk e Griffin hanno stabilito un nuovo standard nell'elaborazione linguistica efficiente.

Un dataset di alta qualità per addestrare modelli linguistici a partire da contenuti web in inglese.

Scopri come il campionamento negativo migliora l'addestramento dei modelli di rappresentazione dei grafi della conoscenza.

TEncDM migliora la qualità della generazione di testi grazie a tecniche di codifica uniche e autocondizionamento.

I modelli di linguaggio grandi hanno problemi a estrarre con precisione le relazioni tra le entità.

DoCo migliora i grandi modelli di linguaggio visivo per una migliore comprensione dei documenti.