Articoli più recenti per Valutazione del modello

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.

Uno studio su come migliorare i metodi UDA tramite la valutazione e la comprensione dei cambiamenti nei dati.

Un nuovo metodo per combinare i modelli linguistici in modo più efficace.

Un nuovo approccio aumenta la comprensione delle previsioni del modello attraverso l'attribuzione delle caratteristiche.

Un nuovo metodo svela come i modelli visivi organizzano e comprendono le immagini.

Nuova tecnica per capire meglio le previsioni dei modelli usando esempi controfattuali.

Un metodo che combina VMD e modelli lineari aumenta la precisione della previsione.

Il framework PoEM valuta i modelli linguistici senza avere bisogno di etichette precise.

Questo studio valuta come piccoli cambiamenti influiscono sulle risposte dei modelli di linguaggio.

Un nuovo metodo aiuta a identificare la contaminazione dei dati di test negli LLM usando le probabilità dei token.

FSDEM offre un nuovo modo di valutare le tecniche di selezione delle feature per l'analisi dei dati.

Il dataset MAPWise sfida i modelli con domande basate su mappe e valuta le loro capacità di ragionamento.

Questo articolo parla di un nuovo sistema di valutazione per giudicare i modelli linguistici in modo più equo.

La scalatura logit migliora il rilevamento dei dati fuori distribuzione senza dati di addestramento.

Questo studio valuta modelli di machine learning per rilevare rifiuti nei fiumi.

Un nuovo metodo per valutare la robustezza nei classificatori ML usando la distanza avversariale.

Uno sguardo più da vicino su come i modelli di linguaggio grandi svolgono compiti di base.

Un nuovo metodo migliora le spiegazioni dell'IA grazie alla collaborazione tra due modelli linguistici.

Questa ricerca esplora come il grado topologico valuta l'efficacia dei VAE nel catturare la struttura dei dati.

Uno studio svela come i modelli di linguaggio usano il contesto per risposte precise.

Nuovi metodi aiutano a capire come i modelli reagiscono ai cambiamenti nei dati.

Questo articolo esamina i metodi per rilevare la contaminazione dei dati nei modelli linguistici di grandi dimensioni.

Questo documento esplora come i metodi bootstrap migliorano la stabilità e la robustezza nei modelli SGD.

Un nuovo benchmark mira a migliorare la valutazione dell'incertezza nei modelli linguistici.

Un nuovo metodo migliora il ragionamento del modello attraverso tracce di programmazione strutturata.

Esaminando come il fine-tuning influisce sulla sicurezza nei modelli linguistici in vari compiti.

Un nuovo modo di valutare i modelli di ML usando la Teoria della Risposta all'Elemento per avere intuizioni migliori.

Modelli di base solidi migliorano la valutazione dei sistemi ML nella sanità.

Uno sguardo agli intervalli di confidenza nel few-shot learning e il loro impatto sulla valutazione del modello.

Esaminando la comprensione e l'accuratezza dei risultati dei modelli linguistici.

Ricerca che mette in evidenza l'uso delle funzioni d'influenza per migliorare le prestazioni delle PINN nei problemi fisici.

Uno sguardo su come la dimensione efficace influisce sull'addestramento dei modelli.

Questo documento valuta quanto bene i modelli linguistici spiegano i concetti scientifici.

Questo articolo esamina i GAM come soluzione per le performance predittive e l'interpretabilità.

Esaminando come i campioni difficili influenzano le prestazioni del modello e l'affidabilità dell'accuratezza del test.

Questo articolo esamina come i diversi strati influenzano le prestazioni degli LLM.

Le etichette morbide possono migliorare le performance dei modelli di machine learning in situazioni di dati incerti.

RepairBench stabilisce standard per confrontare modelli di intelligenza artificiale nella risoluzione di bug software.