Articoli più recenti per Modelli di Linguaggio

Presentiamo RePrompt per migliorare le prestazioni del modello linguistico attraverso prompt ottimizzati.

Un nuovo benchmark valuta come i modelli linguistici gestiscono le modifiche al testo.

I tratti degli utenti influenzano le risposte dei modelli di linguaggio e la loro sicurezza.

Un toolkit per valutare le performance dei modelli potenziati dal recupero in specifici settori.

Questo studio rivela come i modelli di linguaggio cambiano comportamento durante l'allenamento.

Questo articolo esamina modi per migliorare le capacità di pianificazione nei grandi modelli linguistici.

DetectBench valuta i LLM sulla loro capacità di individuare prove nascoste nei compiti di ragionamento.

Esaminando come l'attivazione dei neuroni migliora il ragionamento aritmetico nei grandi modelli linguistici.

Un nuovo modello genera poesia ceca con rime e ritmi migliorati.

Un nuovo benchmark valuta le capacità di ragionamento nei modelli linguistici.

Uno studio su come i modelli linguistici generano ragionamenti persuasivi per la valutazione degli argomenti.

Questo studio valuta l'onestà dei LLM in tre aree chiave.

Quest'articolo esplora come gli avversari influenzano il lavoro di squadra tra i modelli linguistici.

Uno studio completo sulle performance dei modelli linguistici in 10 lingue indiche.

Un nuovo metodo migliora la riparazione del codice per linguaggi di programmazione poco usati.

Esplorando come i sink di attenzione influenzano le prestazioni dei modelli linguistici e introducendo una tecnica di calibrazione.

RankAdaptor ottimizza il fine-tuning per i modelli AI potati, migliorando le prestazioni in modo efficiente.

Uno studio su PlagBench e il suo ruolo nel rilevare il plagio nei risultati delle LLM.

Nuovo dataset valuta la capacità dei LLM di affrontare compiti di ragionamento logico complesso.

Questa ricerca esplora come le abilità di ragionamento si trasferiscono tra le lingue nei modelli linguistici.

Questo articolo parla di come i modelli di intelligenza artificiale imparano dagli errori attraverso l’autocorrezione.

Questo studio valuta quanto bene i LLM ragionano sulle direzioni cardinali.

Questo studio valuta quanto bene i LLM gestiscono il processo decisionale in un contesto di gioco.

Uno studio rivela come le caratteristiche degli utenti influenzano le risposte e l'accuratezza dei LLM.

CharED combina modelli linguistici per prestazioni migliori senza vocabolari condivisi.

RAGBench presenta un dataset completo per valutare i sistemi di Generazione Augmentata da Recupero.

Esplorando i problemi di equità nei modelli di linguaggio AI e le loro implicazioni.

Introduzione di uno strumento per migliorare la sicurezza nelle interazioni con i modelli linguistici.

Questo articolo esplora la rilevazione degli errori negli strumenti utilizzati dai modelli linguistici.

Quest'articolo analizza le strutture ripetitive nei testi generati dai modelli di linguaggio.

Un nuovo benchmark valuta quanto bene i modelli linguistici seguono più istruzioni in sequenza.

Il dataset MalAlgoQA valuta il ragionamento dei Grandi Modelli Linguistici in scenari controfattuali.

MathCAMPS offre un modo nuovo per valutare il ragionamento matematico nei modelli linguistici.

Questo lavoro si concentra su una migliore rappresentazione dei numeri usando embedding dei digit per previsioni più accurate.

Esplorare l'efficacia dei LLM nella presa di decisioni attraverso scenari di Dueling Bandits.

Un nuovo benchmark per valutare i modelli linguistici di grandi dimensioni nei test di ipotesi.

CRAB migliora i test per i modelli linguistici in ambienti reali.

Ottimizzazione di grandi modelli di linguaggio direttamente sugli smartphone, proteggendo i dati degli utenti.

Una panoramica dell'interpretabilità meccanicistica nei modelli linguistici basati su trasformatori.

Esplorando come il riformulare cambia le opinioni attraverso discussioni di comunità.