データ評価 に関する最新の記事

新しいデータセットが多言語モデルの評価をいろんな言語で強化するよ。

SQuArEメトリックは、複数の回答リファレンスを通じてQAシステムの評価を改善するよ。

新しい手法がWSSSにおける小さな物体のパフォーマンス評価を改善する。

人間の参照なしでRAGシステムを評価するための新しいフレームワーク。

異なる詳細レベルで回答の質を測定する方法を紹介します。

この研究では、機械質問応答の答えを評価するための新しい方法を提案してるよ。

新しい方法がAIモデルの説明評価を向上させる。

新しいデータセットと手法が言語モデルの質問生成を強化する。

新しいデータセットがAIモデルの推論ステップの検証を向上させる。

この記事は、複雑なタスクを使って大規模言語モデルを評価するベンチマークを紹介してるよ。

ChatGPTがどんな言語や語彙の特徴を使うかに関する研究。

CyberMetricによるサイバーセキュリティにおけるAIと人間の専門家の評価を詳しく見てみよう。

新しい方法がモデル編集の効果を評価して、より長いテキストを生成するのを調べてるよ。

人間みたいな判断でAIの回答の正しさを評価する新しい枠組み。

新しいデータセットが画像生成における機械的忘却の評価方法を強化する。

FanOutQAは、構造化データを使って難しいマルチホップの質問で言語モデルを評価するのに役立つよ。

新しいツールがAIの精度を向上させるために多様な視覚的幻覚事例を生成する。

この記事では、LVLMの幻覚を評価するための新しいフレームワークについて話してるよ。

機械学習でオーバーフィッティングを防ぐための連続モデル評価の方法。

新しい方法が情報検索強化生成システムのファクトチェックを向上させる。

否定や含意を通じてユーザーの意図をより理解する。

言語モデルのエンティティ認識ルールの理解に関する分析。

この研究は、リアルな自動運転車のシナリオにおけるLLMの使用を評価してるよ。

さまざまな言語の方言でNLPのパフォーマンスを向上させるためのフレームワーク。

文学における長文を処理する能力でLLMを評価する。

新しいフレームワークが、LLMsがバイオメディカルアシスタントとしてどれだけ信頼できるかを評価する。

ある研究がデータ汚染がコードモデルの評価に与える影響を強調してる。

新しいデータセットのおかげで、言語モデルの分子知識の評価が良くなったよ。

SPHINX-Vは、ユーザーとのやり取りを通じてAIが画像を解釈する能力を向上させるんだ。

BEARは、言語モデルの関係的知識の評価を改善する。

この研究は、言語モデルが同じ推論問題の異なる表現をどのように扱うかを調べている。

新しいデータセットは、言語モデルが文化ごとに有害なコンテンツをどう扱うかを評価してるよ。

新しいベンチマークがLVLMの評価とその精度を向上させる。

LLMが事実情報をどれくらい覚えてるかと、その要因についての評価。

この研究は、テキストから画像モデルの評価方法を改善する方法を提供してるよ。

ポーランド語分類のための少数ショット学習法を評価する研究。

新しい指標が手書き文書における情報抽出システムの評価を改善する。

WorkBenchは、ユニークな評価方法を使ってエージェントの現実的なオフィス作業をこなす能力をテストするんだ。

LLMが新しい情報やバイアスにどう適応するかを評価する。

人間の価値観に対する言語モデルの整合性を評価する新しい方法。