評価 に関する最新の記事

SciExが科学的評価におけるLLMsの強みと課題を明らかにしたよ。

SEACrowdは、東南アジアの言語と文化のAI表現を改善することを目指してるんだ。

ある研究が言語モデルの同時に複数のタスクを扱う能力を評価してる。

新しいベンチマークがLLMの構造化データ形式に対する能力をテストする。

VCEvalは、オンラインコースの効果を自動で評価する方法を提供してるよ。

新しいベンチマークが動画理解と言語モデルの構成性を目指してるよ。

新しい方法が、リアルユーザーデータを使って言語モデルのテストを強化するよ。

Nemotron-4 340Bファミリーは、さまざまなアプリケーションや合成データ生成に強力なモデルを提供するよ。

実際のタスクで言語モデルが文化的なヒントをどう扱うか評価する。

VideoVistaは、動画の質問応答モデルのための包括的な評価を提供してるよ。

この記事では、コンピュータにおける研究アーティファクトの信頼性を高める方法について探ります。

GLM-4モデルは言語理解と生成の能力が向上してるよ。

他のLLMを評価するためのLLMの使用に関する研究とその影響。

言語モデルが議論評価のための説得力のある理由を生成する方法に関する研究。

2つの新しいモデルが、ガリシア語を話す人たちの技術アクセスを改善することを目指しているよ。

機械翻訳における比喩的な言語の翻訳の難しさを調べる。

DF40は、ディープフェイク検出方法を改善するための包括的なアプローチを提供してるよ。

この研究では、LLMの正直さを3つの重要な分野で評価してるよ。

企業がユーザーサポートを向上させるために、質問応答システムをどう改善しているかを見てみよう。

AIがアルゴリズムをどう理解してるかとその影響についての研究。

新しい指標が、異なるドメインでのテキスト分類モデルの評価を改善する。

データの汚染は、大規模言語モデルの評価にかなり影響を与えるんだ。

人間の価値観に合ったLLMを評価する新しい方法ができたよ。

大きなビジョン・ランゲージモデルのバイアスを評価する新しいツール。

研究では、機械が人間と比べてどのように多様で創造的な詩を作るかを評価している。

新しい方法で、ヘイトスピーチに対するカウンターナラティブの評価が改善される。

InternLM-Lawは、高度なトレーニングで多様な中国の法律質問に対する応答を強化する。

ユーザープロファイルが言語モデルのパーソナライズをどう向上させるかを探る。

研究によると、モデルは料理レシピのステップ間の依存性に苦しんでいる。

この論文では、さまざまなプロンプトにわたって言語モデルを評価する方法を紹介してるよ。

新しい方法が地域ごとの性別バイアス評価の違いに対処。

M2Lingualデータセットは、いろんな言語で指示に従う能力を向上させるよ。

この記事では、テキストから画像モデルを効果的に評価するための新しい方法を紹介しています。

この研究は、イタリアのINVALSIテストを使って言語モデルのパフォーマンスを評価してるよ。

RAGBenchは、リトリーバル拡張生成システムを評価するための包括的なデータセットを紹介してるよ。

Dyscaが合成データを使ってLVLMのパフォーマンスを評価する新しい方法を紹介したよ。

効率とパフォーマンスのための現代のエンジニアリングデザインの方法を見てみよう。

新しいアプローチが人間中心の評価を使って因果イベントの抽出を改善したよ。

人間の専門家に頼ることで、MLモデルの予測精度がどう変わるかを評価する。

複雑なエンジニアリングやロボティクスのタスクにおけるより良い解決策のための新しい方法を紹介します。