Christopher Potts

Avaliar a precisão das explicações dos neurônios em modelos de linguagem revela falhas significativas.

Este estudo testa novos métodos pra avaliar descrições de imagens em relação às opiniões humanas.

Um conjunto de dados testa modelos de linguagem em tarefas de linguagem autorreferencial.

Pesquisas mostram que o GPT-2 tem dificuldade com línguas que não seguem padrões humanos.

Explore como as ilusões de interpretabilidade afetam a nossa visão das redes neurais.

Um estudo sobre como modelos de linguagem processam e entendem tarefas linguísticas complexas.

Um estudo avaliando vários métodos para interpretar neurônios de modelos de linguagem.

MoEUT melhora a eficiência e o desempenho dos Transformers Universais em tarefas de linguagem.

Um estudo detalhado sobre como os modelos memorizam texto e suas implicações.

Métodos inovadores melhoram o alinhamento dos LLMs com as preferências humanas para um desempenho melhor.

Uma análise detalhada das Unidades Recorrentes Gated em aprendizado de sequência.

Essa abordagem facilita a escolha de conjuntos de dados de pré-treinamento eficazes para modelos de linguagem.

Um novo conjunto de dados melhora as sugestões de autocomplete de busca usando dados reais de usuários.