Artigos mais recentes para Ajuste fino

Este artigo explora a massa do neutrino através de zeros menores na matriz de massa.

DP-ZO equilibra privacidade e desempenho no treinamento de modelos de linguagem.

Um novo framework melhora o desempenho do modelo em dados não vistos usando mudanças específicas.

Novos métodos melhoram a velocidade e a qualidade da edição de imagens usando modelos menores.

Novos modelos exploram a estabilidade da escala fraca na física de altas energias.

Analisando os efeitos da duplicação de código entre conjuntos de dados nas métricas de desempenho do modelo.

Um novo método que melhora redes neurais podadas pra ter um desempenho melhor.

Ferramentas de IA como o SAM tão mudando a forma como a gente mapeia o permafrost e entende as mudanças climáticas.

Uma visão geral da criticidade intrínseca e extrínseca em sistemas biológicos.

Esse estudo melhora a forma como os modelos de linguagem lidam com tarefas de raciocínio matemático.

Estratégias pra melhorar modelos de QA quando os dados rotulados são escassos.

AutoFT melhora o desempenho do modelo em dados não vistos através de técnicas inovadoras de ajuste fino.

Um novo método acelera a geração de texto em LLM usando cabeçotes de previsão adicionais.

Um novo framework de IA melhora a detecção de doenças oculares por meio de técnicas de imagem aprimoradas.

Um método melhora a eficiência no treinamento e uso de grandes modelos de linguagem.

Pesquisas mostram que modelos ajustados têm potencial para entender melhor as doenças raras.

Estudo revela os riscos de ataques de jailbreak multilíngues em grandes modelos de linguagem.

Esse artigo explora métodos para usar o GPT-3.5 pra automatizar revisões de código de forma eficaz.

Analisando o custo e a eficiência de grandes modelos de linguagem em várias tarefas.

Este estudo analisa como os modelos de linguagem lidam com tópicos familiares e não familiares.

Explorando o uso de LLMs pra analisar dados de séries temporais em várias áreas.

DeRa oferece um jeito de ajustar o alinhamento do modelo de linguagem sem precisar re-treinar.

Um método pra ajustar modelos de linguagem usando menos parâmetros.

Esse artigo analisa o impacto do barulho na performance de modelos de linguagem.

Aprenda como novas técnicas melhoram a eficiência de grandes modelos de aprendizado de máquina.

Novos métodos melhoram a clareza das previsões de aprendizado de máquina.

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.

Um novo método pra estimular a criatividade na resolução de problemas com o apoio da IA.

Explorando questões na criação de modelos e soluções de IA para tomada de decisão.

AV-SUPERB avalia modelos de áudio e vídeo em várias tarefas pra melhorar o desempenho.

Novas ferramentas melhoram como os sistemas conseguem buscar informações em documentos longos.

Explorando como modelos de linguagem refletem traços de personalidade na recrutamento.

Este estudo melhora a eficiência do fine-tuning em redes neurais usando aprendizado ativo transdutivo.

Melhorando o reconhecimento de fala do Whisper para o vietnamita e outras línguas com poucos recursos.

Um novo método pra adaptar LLMs sem precisar de muitos rótulos.

Esse artigo fala sobre um jeito de melhorar os LLMs usando feedback verbal sem generalizar demais.

LoRETTA melhora a eficiência de ajuste fino para grandes modelos de linguagem com menos parâmetros.

Explorando as ameaças que o envenenamento indiscriminado de dados traz pro aprendizado autossupervisionado.

Analisando como o fine-tuning aumenta o risco de revelar dados sensíveis de treinamento.