Articoli più recenti per Elaborazione del linguaggio naturale

RPC-Attention migliora i modelli di auto-attenzione per avere prestazioni migliori sui dati rumorosi.

La ricerca mette in evidenza metodi per mantenere la coerenza nel dialogo durante le conversazioni legate ai ristoranti.

Questo articolo esamina come la quantizzazione può migliorare l'efficienza dell'addestramento dei modelli di linguaggio Transformer.

Nuovi metodi migliorano la precisione nella descrizione delle modifiche nelle immagini nonostante le distrazioni.

Un nuovo modello migliora il legame tra i video e le loro descrizioni testuali.

Esaminando il ruolo e le sfide della tokenizzazione nel processamento del linguaggio naturale.

Lo studio valuta quanto i modelli linguistici siano bravi ad adattarsi nel riassumere argomenti diversi.

Analizzando come i transformer contano le occorrenze degli elementi nelle sequenze.

BootRet migliora l'accuratezza del recupero dei documenti con aggiornamenti dinamici degli identificatori.

Esaminando come i LLM possono sommare numeri senza passaggi espliciti.

Combina LLM e Prolog per migliorare il ragionamento nella generazione di testo.

Un nuovo metodo migliora l'efficienza dell'embedding per i modelli di linguaggio.

ReSP migliora il question answering multi-hop tramite recupero strutturato e sintesi intelligente.

Scopri come l'ingegneria dei prompt migliora le prestazioni dei modelli linguistici nei compiti di NLP.

Scopri come il transfer learning migliora i risultati dei modelli usando conoscenze da compiti correlati.

Il nuovo modello combina il linguaggio naturale e il contatto 3D tra mani e oggetti per un realismo maggiore.

Uno sguardo a come le macchine riconoscono il sarcasmo attraverso nuovi metodi.

Questo articolo esamina come l'inizializzazione degli embedding influisce sulle performance del modello transformer.

Un nuovo modo per misurare la difficoltà dei dati per un migliore addestramento dei modelli.

Questo articolo esamina l'efficacia dei modelli multimodali che usano dati linguistici e visivi.

Uno studio su come migliorare l'accuratezza delle trascrizioni grazie a un design migliore dei prompt.

Questo studio mette in evidenza i miglioramenti di STR usando RoBERTa tra le lingue.

Combinare la comprensione del linguaggio e la visione migliora le capacità di navigazione dei robot.

Questo documento mette in evidenza le prestazioni dei modelli linguistici ternari e la loro efficienza.

Un nuovo metodo automatizza la creazione di dati per i compiti di ancoraggio visivo, migliorando l'efficienza del machine learning.

Uno sguardo all'approccio di Mamba per identificare gli oggetti indiretti nelle frasi.

Nuovi metodi promettono una comprensione migliore della lettura in contesti clinici.

Un nuovo dataset per migliorare le prestazioni nelle risposte alle domande usando risposte lunghe, fatte a mano da esseri umani.

Un nuovo approccio migliora le reti neurali grafiche usando modelli linguistici avanzati.

Impara metodi efficaci per ottimizzare grandi modelli linguistici con meno dati e costi più bassi.

Un nuovo modo per migliorare i modelli linguistici usando il feedback umano.

X-Former migliora come i modelli combinano la comprensione di immagini e testo.

I robot adesso possono capire e seguire comandi in linguaggio per afferrare gli oggetti in modo efficace.

CoAPT migliora la classificazione delle immagini attraverso parole di attributo contestuale nel prompt tuning.

I ricercatori usano il probing per capire le capacità di apprendimento dei modelli linguistici attraverso un'analisi causale.

Un innovativo dataset romeno migliora notevolmente lo sviluppo dei modelli linguistici.

Scopri come la dimensione del vocabolario influisce sulle performance dei modelli di linguaggio grandi.

Questo studio confronta metodi per rilevare la posizione su argomenti chiave nei testi arabi.

Uno studio su quanto bene funzionano i LLM come basi di conoscenza affidabili.

Un nuovo modo di analizzare dati non strutturati usando tecniche di interrogazione avanzate.