Arman Cohan

Estudo revela uma sobreposição de dados significativa que afeta as avaliações de modelos de linguagem na geração de código.

Um novo conjunto de dados ajuda os modelos de IR a se adaptarem a instruções complexas pra ter um desempenho melhor.

A contaminação de dados afeta bastante a avaliação de modelos de linguagem grandes.

Dois métodos melhoram a precisão das avaliações de textos gerados por IA.

Um novo marco avalia modelos para verificar reivindicações financeiras em documentos complexos.

ChemSafetyBench testa chatbots sobre segurança química e conhecimento.