Articoli più recenti per Elaborazione del linguaggio naturale

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.

Scopri come la quantizzazione rende i modelli AI più economici e facili da usare.

Nuovi metodi migliorano l'accuratezza della classificazione senza dati etichettati.

Un approccio nuovo migliora la risoluzione dei pronomi usando BERT e informazioni sintattiche.

Questa ricerca si concentra sul miglioramento dei sistemi di dialogo integrando contesto e significato nelle valutazioni.

Un nuovo modo per raccogliere dati di istruzione per il fine-tuning dei grandi modelli di linguaggio.

Un nuovo modello migliora il riconoscimento vocale in ambienti rumorosi concentrandosi su un singolo parlante.

Un nuovo metodo per valutare i modelli linguistici senza etichette umane.

Un nuovo modello migliora la comprensione delle lingue miste.

Questo studio indaga i pregiudizi nei modelli linguistici usando l'apprendimento basato su richieste.

Questa ricerca mette in evidenza il ruolo della rilettura nel migliorare le abilità di ragionamento per i modelli linguistici.

Lo studio analizza i metodi di fine-tuning per i modelli di linguaggio per mantenere la conoscenza tra le lingue.

Un metodo per rimuovere comportamenti tossici nei modelli linguistici mantenendo le prestazioni.

La ricerca dimostra come i LLM possano migliorare la privacy mantenendo l'efficacia del modello linguistico.

Nuovi metodi migliorano l'accuratezza nella conversione del linguaggio parlato in testo scritto.

Uno studio mostra che i LLM generativi sono superiori nella somiglianza semantica del testo rispetto ai modelli tradizionali.

Un metodo per migliorare il riconoscimento delle entità nominate nelle ricerche in cinese.

Esaminando metodi di apprendimento attivo per migliorare l'addestramento del ranker PLM sotto vincoli di budget.

Esamina i rischi che gli attacchi backdoor rappresentano per i sistemi di elaborazione del linguaggio naturale.

Indagare cambiamenti inaspettati nel comportamento dei modelli linguistici durante l'allenamento.

Nuovi metodi riducono gli errori di traduzione nei sistemi multilingue.

Esaminando il ruolo del contesto nell'interpretazione dei compiti linguistici.

Uno sguardo completo alla creazione di una suite di test per l'elaborazione del linguaggio naturale greco.

Questo studio valuta come i LLM possano essere usati in compiti di traduzione in tempo reale.

Il framework DebCSE migliora le rappresentazioni delle frasi riducendo i pregiudizi durante l'addestramento.

Questo documento propone una visione geometrica dei modelli di linguaggio transformer.

Nuovi metodi migliorano l'apprendimento e la retention dei compiti nei sistemi di dialogo.

Uno sguardo a come l'estrazione di relazioni contestuali costruisce grafi della conoscenza.

Un nuovo metodo migliora il riconoscimento delle immagini usando descrizioni testuali su misura.

Un nuovo metodo per addestrare sistemi di recupero conversazionale con dati limitati.

Un nuovo modello migliora l'allineamento di parlato e testo per una migliore riconoscimento automatico.

Questo articolo esplora come i modelli linguistici affrontano compiti complessi tramite metodi di allenamento.

Usare modelli linguistici avanzati per identificare entità chiave nei documenti scritti.

Un nuovo metodo migliora le prestazioni dei modelli visivi e linguistici nell'elaborazione di dati complessi.

La ricerca dimostra che i controfattuali possono migliorare le prestazioni e la calibrazione dei modelli linguistici più piccoli.

Nuovo dataset migliora la valutazione dei modelli multilingue in diverse lingue.

Un nuovo approccio migliora le prestazioni nei modelli visione-linguaggio.