Tianyi Zhou

MADAugは、トレーニング中にモデルのニーズに合わせてテクニックを調整することで、データ拡張を改善するよ。

新しい方法で、RLエージェントがタスクに合わせて体形を変えられるようになった。

自然言語処理の質問に対するLLMを評価するための新しいデータセット。

AIモデルのトレーニングにおける報酬ハッキングの課題と解決策を探る。

MuLanは、課題をより簡単なステップに分けることで、テキストからの画像生成を強化します。

新しい方法が、より正確な文埋め込みのために複数のプロンプトを使って改善したよ。

LLMの数学の問題を解く能力、特に剰余算について調べてる。

トランスフォーマーがパフォーマンス向上のために低感度関数を好む理由を探る。

マルチレベル加法モデルを通じてフェデレーティッドラーニングを改善する新しい方法。

研究は、トリガーパッチが拡散モデルにおける画像生成にどのように影響を与えるかを明らかにしている。

LLMがユニークな数学的手法を使って足し算をどうやって行うかを探ってみよう。

新しい方法で言語モデルが強化されて、言語間の知識を統合するんだ。

この方法は大きな言語モデルのプロンプト作成を強化して、全体的なパフォーマンスを向上させるよ。

新しいフレームワークが、AIエージェントが問題解決のために動的にアクションを作ることを可能にしてるよ。

SpecHubは新しいアプローチで言語モデルのテキスト生成を加速させるよ。

音声トリックが言語モデルをどう混乱させるかを探る。

Florence-2とDBFusionは、機械が画像やテキストを解釈する方法を再定義する。