Philip H. S. Torr

この記事では、トレーニングデータがマルチモーダルシステムのモデル性能にどのように影響するかを探ります。

トランスフォーマーモデルにおけるプロンプトとプレフィックスチューニングの概要。

DietCLは、ラベル付きデータとラベルなしデータをうまく組み合わせて、より良い学習を実現するよ。

さまざまな分野での生成AI技術の責任ある使い方を探る。

プロンプトに基づいて再帰モデルが関数をどのように近似できるかを調べる。

新しい方法が自動運転車のセンサーデータの使い方を向上させるよ。

新しいアプローチが言語モデルのトレーニングにおける安全性と有用性を効率化してるよ。

MALTが言語モデル同士のチームワークを通じて問題解決をどう向上させるかを発見しよう。