Artigos mais recentes para Ajuste fino

O novo módulo QASE melhora a precisão nas tarefas de compreensão de leitura por máquina.

Um novo sistema melhora o compartilhamento de recursos entre Modelos de Linguagem Grandes pra ter um desempenho melhor.

Essa pesquisa mostra como o LoRA melhora o desempenho de modelos de linguagem em tarefas específicas.

Este artigo fala sobre como modelos de IA podem melhorar o treinamento de tutores com um feedback mais legal.

Esse método melhora o ajuste fino de modelos de linguagem usando conjuntos de dados abertos e não rotulados.

Conectando usuários a informações importantes em situações do dia a dia através de sistemas inovadores.

Este artigo analisa como o ajuste fino afeta a precisão e as alucinações dos modelos de linguagem.

Apresentando o MemVP pra melhorar a eficiência em modelos de linguagem com visão.

Esse estudo avalia quão bem os LLMs conseguem identificar e classificar a dívida técnica.

Uma nova estrutura melhora a compreensão da IA em espaços 3D.

Um jeito de melhorar a segurança mantendo o desempenho em modelos de linguagem grandes.

Abordando contradições em diálogos de IA pra ter uma comunicação melhor.

Uma nova abordagem pra garantir que modelos de linguagem lidem com dados sensíveis de forma segura.

Um novo método melhora o ajuste fino de modelos grandes usando informações espectrais.

Um jeito de prevenir o uso indevido de modelos de texto pra imagem, sem deixar de lado as aplicações legais deles.

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

PV-Tuning melhora o ajuste fino e a compressão para modelos de linguagem grandes.

O SMT otimiza o ajuste fino de grandes modelos de linguagem com demandas de recursos reduzidas.

Um modelo que preenche de boa forma os valores faltantes em dados de séries temporais.

Explore como buracos negros primordiais podem explicar a matéria escura e ondas gravitacionais.

Um olhar sobre métodos eficazes para ajustar modelos de linguagem.

Uma nova abordagem melhora a diversidade dos prompts para modelos de linguagem mais seguros.

Um novo conceito de modelo mostra como testar as capacidades da IA de forma eficaz.

Um novo método melhora os modelos de linguagem ao focar nas preferências dos usuários.

Este artigo detalha uma abordagem inovadora pra melhorar modelos de linguagem usando modelos menores.

A ETHER apresenta uma maneira econômica de ajustar grandes modelos de aprendizado de máquina.

Uma nova estrutura melhora as habilidades de modelos menores na programação de robôs.

Um novo método melhora a eficiência do fine-tuning e reduz o uso de memória para grandes modelos de linguagem.

Um novo método pra ajustar modelos de linguagem usando autoatenção.

Um novo método melhora a detecção de falhas em máquinas por meio de um aprendizado de características mais eficaz.

Analisando como a IA aprende com os dados, dá pra ver que tem lacunas grandes na lógica e no raciocínio.

DEFT melhora modelos de difusão pra amostragem condicional eficaz com poucos recursos.

Esse estudo analisa como os LLMs lidam com raciocínio em cenários abstratos e contextuais.

Essa pesquisa analisa a justiça dos modelos de aprendizado auto-supervisionado entre diferentes grupos demográficos.

Explorando como os LLMs usam raciocínio pra encarar tarefas complexas.

O SlicerChat tem como objetivo ajudar os usuários do 3D Slicer oferecendo suporte rápido e preciso.

Um estudo sobre como ajustar agentes de controle de computador pra melhorar o desempenho em tarefas.

Apresentando um método pra ajustar LLMs em dispositivos com poucos recursos.

Esse artigo analisa como os modelos de linguagem se saem em tarefas de raciocínio espacial.

ReNO otimiza a geração de imagens a partir de texto, melhorando a qualidade e a eficiência.