Articoli più recenti per Elaborazione del linguaggio naturale

Un modello di trasformatore migliorato progettato per gestire in modo efficiente più tipi di dati.

Il modello HiLight migliora l'efficienza della classificazione del testo senza codificatori di strutture complesse.

Self-TPT semplifica il prompt tuning per i modelli visione-linguaggio, migliorando velocità ed efficienza.

R-Adapter migliora l'efficienza e la robustezza nel fine-tuning dei modelli per compiti di immagini e testi.

Un nuovo metodo migliora il riconoscimento del testo in scene naturali usando tecniche innovative.

AquilaMoE usa EfficientScale per ottimizzare l'addestramento dei modelli linguistici bilingue con meno dati.

Un nuovo dataset sembra promettente per migliorare i modelli di traduzione automatica.

Uno sguardo sulla perdita semantica e il suo impatto sugli output dei modelli linguistici.

Un nuovo strumento che collega il feedback degli utenti con i compiti di sviluppo software.

FastFiD migliora l'efficienza dell'ODQA selezionando frasi chiave per risposte più rapide.

Metodi innovativi migliorano l'allineamento dei LLM con le preferenze umane per una performance migliore.

ARPA migliora la disambiguazione del significato delle parole visive integrando tecniche di elaborazione del linguaggio e delle immagini.

La tecnica PEARL migliora la velocità e l'efficienza dei modelli linguistici di grandi dimensioni.

Utilizzare dati non etichettati per migliorare i modelli di machine learning tramite pseudo-etichettatura.

L'addestramento avversariale migliora l'accuratezza del riconoscimento delle parole chiave nel parlato sintetico e reale.

Nuovi metodi migliorano il completamento dei grafi di conoscenza usando modelli linguistici congelati.

Un nuovo modello migliora la previsione dei link nei grafi di conoscenza usando descrizioni testuali.

Esaminando come il pre-addestramento e il fine-tuning influenzano le prestazioni dei modelli linguistici.

PyMarian collega gli utenti Python a modelli di traduzione veloci con facilità.

Un modello di deep learning ispirato alla meccanica quantistica migliora l'analisi del sentiment nei testi.

Uno studio sulle allucinazioni nei modelli di linguaggio e le loro implicazioni per l'addestramento.

Questo studio esplora il ruolo sempre meno importante del collegamento degli schemi nei modelli avanzati di Text-to-SQL.

Uno studio sulla rilevazione dei bias nei modelli NLP e le loro implicazioni.

Nuovi metodi migliorano l'accuratezza della verifica dei fatti usando grafi della conoscenza.

Aquila2 offre prestazioni migliorate per compiti in inglese e cinese.

Un nuovo modello per elaborare accuratamente le strutture di dati gerarchici.

Un nuovo metodo migliora la comprensione delle relazioni temporali degli eventi nel testo.

Esplorare l'uso degli LLM nei programmi di logica induttiva.

FactorLLM migliora l'efficienza nei modelli di lingua riorganizzando lo stoccaggio delle conoscenze.

Scopri come i modelli più piccoli possono aumentare l'efficienza dei modelli di linguaggio grandi.

Nuovo metodo migliora la generazione di immagini e video usando tecniche di compressione standard.

Il dataset MaterioMiner collega la meccanica dei materiali con la letteratura scientifica per migliorare la ricerca.

Migliorare i sistemi di risposta alle domande con l'apprendimento debolmente supervisionato e metodi di recupero denso.

Un metodo strutturato per creare conversazioni sintetiche usando modelli linguistici.

Questo studio analizza come cambiare la lingua influisce sui classificatori di testo.

Esplorando come i transformer apprendono dal contesto senza bisogno di riaddestramento.

BAM migliora l'efficienza del MoE integrando i parametri di attenzione e FFN.

Un nuovo metodo migliora l'accuratezza delle previsioni dei grafi di conoscenza.

Un nuovo approccio migliora il riconoscimento delle frasi con cambio di codice nel linguaggio bilingue.

Ecco MIDAS, un framework che migliora la comprensione delle conversazioni multi-turn nel processing del linguaggio naturale.