Articoli più recenti per Elaborazione del linguaggio naturale

Usare dati reali e generati per migliorare le prestazioni del modello QA.

Esplorare il ruolo dei modelli di linguaggio nell'insegnare ai robot a imparare attraverso l'interazione.

Esplorare l'integrazione di reti neurali e ragionamento simbolico nell'IA.

Esplorando l'importanza di capire i modelli di linguaggio grandi.

Nuovo set di dati e metodi migliorano l'accuratezza nel rispondere a domande sui video.

Il framework UniSA unifica i compiti nell'analisi del sentiment per un riconoscimento delle emozioni migliore.

Scopri come lo spazio di embedding influisce sull'accuratezza del testo nei modelli di linguaggio grandi.

Questo articolo parla di come usare gli LLM per automatizzare l'apprendimento delle ontologie da testo non strutturato.

Un nuovo punto di riferimento per rilevare errori nei dataset di tuning delle istruzioni.

Un framework per un'adattamento efficace di modelli di linguaggio multimodali.

Un nuovo modello migliora il recupero delle immagini in 201 lingue con risorse limitate.

FlaMB e fornisce informazioni strutturate per estrarre conoscenze procedurali da articoli biomedici.

Ricerca sui progressi nel video question answering usando elementi testuali e visivi.

Questo studio esplora il legame tra abilità emergenti e apprendimento in contesto nei grandi modelli di linguaggio.

Delta-LoRA semplifica il fine-tuning per i grandi modelli di linguaggio, offrendo prestazioni migliori e un minor consumo di risorse.

Questo metodo usa le embedding contestuali per misurare come i significati delle parole cambiano nel tempo.

Ecco nanoT5, un framework che consuma poche risorse per addestrare modelli di linguaggio avanzati.

DaTrans punta a migliorare i sistemi di dialogo integrando modelli linguistici pre-addestrati.

Un nuovo approccio combina dati testuali e immagini per un'analisi migliore.

I ricercatori affrontano la comprensione delle immagini con la sfida NICE.

Un nuovo modello migliora l'identificazione delle metafore nel processamento del linguaggio naturale.

Un nuovo metodo migliora l'efficacia dei LLM per i compiti di Estrazione di Informazioni Aperte.

Un approccio basato su Transformer migliora l'accuratezza del riconoscimento dei caratteri scritti a mano.

Un approccio strutturato per creare dataset efficaci per l'analisi dell'odio.

Un nuovo modello migliora il text mining sui social media in vietnamita.

Un nuovo metodo migliora l'accuratezza dei LLM nelle applicazioni mediche.

Lo studio valuta la capacità dei modelli linguistici di trovare evidenze nei riassunti scientifici.

Questo studio analizza la capacità di ChatGPT di fornire raccomandazioni in vari ambiti.

Uno studio valuta i più popolari encoder di frasi e la loro comprensione dei significati linguistici.

Miglioriamo i modelli VQA incorporando il ragionamento, portando a una migliore comprensione visiva.

Nuovi metodi migliorano il riconoscimento delle intenzioni con pochi esempi.

DetermiNet punta a migliorare la capacità dei modelli di identificare gli oggetti usando i determinativi.

I robot possono imparare meglio interagendo con gli esseri umani usando un linguaggio quotidiano.

Un nuovo approccio combina l'apprendimento in contesto e il fine-tuning per migliorare le performance del modello.

Nuovi metodi si concentrano sul migliorare la qualità dei dati di addestramento per i modelli linguistici.

Un nuovo metodo migliora il rilevamento delle emozioni dalla voce usando solo l'audio.

Esplorare tecniche di data augmentation per migliorare i sistemi di AI conversazionale.

Un nuovo approccio migliora il chunking non supervisionato in NLP usando un modello gerarchico.

Nuovi metodi migliorano i dati testuali per le lingue poco risorse, aumentando le performance dei modelli.

Esplorare nuovi modelli che combinano AI, linguaggio e computer quantistici.