Articoli più recenti per Valutazione del modello

Nuovo benchmark valuta il bias di genere nei modelli di intelligenza artificiale legati ai ruoli lavorativi.

Esaminando le vulnerabilità degli attacchi backdoor a etichetta pulita e come i limiti di generalizzazione possono essere d'aiuto.

Un nuovo strumento per testare i modelli linguistici in ambienti rumorosi.

Un nuovo approccio per valutare i modelli di ML concentrandosi sulla preparazione dei dati.

La ricerca valuta la stabilità dei metodi XAI usando un dataset sul diabete.

Uno studio su come i LLM gestiscono le regole e i vincoli di programmazione.

Scopri l'importanza e le sfide di valutare efficacemente le prestazioni degli LLM.

Uno sguardo alle classifiche dei modelli di fondazione e ai problemi di valutazione.

Nuove metriche offrono una valutazione migliore delle prestazioni dei modelli generativi nel machine learning.

L'effetto Rashomon svela diversi modelli efficaci nel machine learning.

Una recensione dei metodi per valutare le previsioni di tempo fino all'evento nella scienza dei dati.

Esaminare come l'invarianza influisce sulle prestazioni del modello nel transfer learning.

Analizzare i veri effetti dei metodi post-allenamento sulle prestazioni dei modelli linguistici.

Esaminare le vulnerabilità dei modelli leggeri contro gli attacchi avversari.

Questo studio valuta quanto bene i modelli grandi gestiscono più oggetti nelle immagini.

Uno sguardo alle sfide e alle innovazioni nei metodi di adattamento del dominio grafico.

Questa ricerca migliora l'affidabilità dei modelli di machine learning tramite tecniche di calibrazione e ricalibrazione.

Esaminando le difficoltà che i modelli affrontano con le sequenze lunghe in varie applicazioni.

Scopri come la scelta casuale del seme influisce sulle prestazioni e l'affidabilità del modello AI.

Un modo nuovo per valutare i modelli linguistici grandi per avere migliori intuizioni sulle performance.

Introducendo HO-FMN per una migliore valutazione della robustezza dei modelli di machine learning contro attacchi avversari.

Esaminare gli attacchi avversari e la robustezza del modello nella segmentazione semantica.

Presentiamo PACE, un approccio strutturato per spiegazioni affidabili dell'IA.

Una panoramica delle pratiche che minano la fiducia nelle valutazioni dei modelli di machine learning.

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

Presentiamo GOAR, un metodo per capire meglio l'importanza delle caratteristiche nell'IA.

Questo articolo affronta i problemi di miscalibrazione nei modelli visione-lingua e propone soluzioni.

Questo studio valuta le capacità di ragionamento dei modelli audio-linguistici con un nuovo compito.

Uno studio su come migliorare i metodi TTA per le variazioni dei dati nel mondo reale.

MIBench testa le performance dei modelli multimodali su più immagini.

Progressi nel rilevamento di dati fuori distribuzione usando nuove tecniche.

Un nuovo metodo per valutare le abilità di apprendimento dei modelli linguistici a lungo contesto tramite Task Haystack.

Questo articolo analizza le performance del modello attraverso vari compiti e dataset.

Uno sguardo ai metodi di valutazione dei modelli e alla loro efficacia.

Esplorare i problemi dell'incertezza epistemica nei metodi di Deep Learning Bayesiano.

Esplora diversi framework e metodi per valutare i modelli di linguaggio di grandi dimensioni in modo efficace.

Un nuovo framework di benchmarking migliora l'efficienza nella valutazione dei modelli di linguaggio.

Un nuovo benchmark valuta i metodi per misurare la somiglianza rappresentativa nel machine learning.

Un nuovo modo per rilevare i guasti nei modelli di classificazione delle immagini.

Valutare quanto bene i LLM producono output JSON tramite i test StructuredRAG.