Kenji Kawaguchi

O Forward Gradient Unrolling oferece soluções eficientes para otimizar grandes modelos de aprendizado de máquina.

Essa abordagem usa autoavaliação pra se proteger de resultados prejudiciais em modelos de linguagem.

Pesquisas mostram que mudanças simples nos inputs podem levar a resultados prejudiciais em LLMs.

Este artigo propõe um método pra converter ICL em pesos de modelo pra melhorar o desempenho.

Novos métodos melhoram a resolução de equações diferenciais parciais fracionárias complexas.

Pesquisadores desenvolvem métodos pra resolver equações FPL complexas de forma mais eficiente.

Este artigo analisa como o viés de formato afeta o desempenho dos modelos de linguagem e sugere estratégias de melhoria.

A Mamba oferece uma nova forma de analisar sistemas complexos usando aprendizado de máquina.

Esse artigo examina como diferentes camadas afetam o desempenho dos LLMs.

Erros de digitação podem confundir muito modelos de linguagem avançados e afetar as respostas deles.

Explora como o AnchorAttention melhora a eficiência no processamento de textos longos com modelos de linguagem.

Novo método simplifica matemáticas complicadas para cálculos mais rápidos e fáceis.

Um novo método para podar de forma eficiente modelos de IA geradores de imagem, sem perder a qualidade.