Jindong Wang

Esse artigo analisa os desafios e soluções relacionadas a rótulos barulhentos nos dados de treinamento.

Um novo método melhora a segurança dos Vision Transformers contra ataques adversariais.

Uma nova estrutura melhora o aprendizado a partir de rótulos de dados incompletos.

Este artigo fala sobre o papel dos LLMs na análise de séries temporais.

Novo método melhora a confiabilidade das previsões do modelo em aplicações do mundo real.

Uma nova abordagem pra integrar diferentes insights culturais nos modelos de linguagem.

Novos testes de benchmark avaliam MLLMs em tarefas de mídia social como desinformação e discurso de ódio.

Apresentando uma nova forma de avaliar modelos de linguagem grandes de maneira eficaz.

A KIEval oferece avaliação interativa pra lidar com contaminação de dados em modelos de linguagem.

NPHardEval4V avalia as capacidades de raciocínio de modelos de linguagem multimodais grandes.

Analisando como o barulho nos dados de pré-treinamento afeta o desempenho do modelo.

Um sistema pra melhorar a representação cultural na IA através de diálogos simulados.

Investigando como pequenos erros nos dados de treinamento melhoram o conteúdo gerado por IA.

Estudo avalia sete LLMs na análise de sentimento em conversas de WhatsApp em várias línguas.

Analisando os problemas e as possíveis melhorias na revisão por pares acadêmica.

ADC organiza a criação de conjuntos de dados, melhorando a velocidade e a precisão em machine learning.

Esse artigo analisa métodos de séries temporais e como eles são usados na educação.

Pesquisas mostram que perguntas doidas podem melhorar o treinamento de modelos de linguagem.

Descubra como o SoftVQ-VAE melhora a criação de imagens com eficiência e qualidade.