Artigos mais recentes para Avaliação

A SEACrowd tem como objetivo melhorar a representação da IA para as línguas e culturas do Sudeste Asiático.

Um estudo avalia modelos de linguagem sobre como lidar com várias tarefas ao mesmo tempo.

Um novo teste de referência avalia as habilidades dos LLMs com formatos de dados estruturados.

O VCEval oferece uma maneira automatizada de avaliar a eficácia de cursos online.

Um novo benchmark foca na composicionalidade na compreensão de vídeos e em modelos de linguagem.

Um novo método melhora os testes para modelos de linguagem usando dados reais de usuários.

A família Nemotron-4 340B oferece modelos poderosos para aplicações diversas e geração de dados sintéticos.

Avaliar como modelos de linguagem lidam com pistas culturais em tarefas reais.

A VideoVista oferece uma avaliação completa para modelos de perguntas e respostas em vídeo.

Esse artigo explora métodos pra melhorar a confiabilidade dos artefatos de pesquisa em computação.

Os modelos GLM-4 mostram melhorias nas capacidades de entender e gerar linguagem.

Um estudo sobre como usar LLMs pra avaliar outros LLMs e suas implicações.

Um estudo sobre como modelos de linguagem geram justificativas persuasivas para avaliação de argumentos.

Dois novos modelos têm como objetivo melhorar o acesso à tecnologia para falantes de galego.

Analisando as dificuldades de traduzir linguagem metafórica na tradução automática.

DF40 oferece uma abordagem completa para melhorar os métodos de detecção de deepfake.

Esse estudo avalia a honestidade dos LLMs em três áreas principais.

Descubra como as empresas melhoram seus sistemas de perguntas e respostas pra dar um suporte ao usuário melhor.

Um estudo sobre como a IA entende algoritmos e suas implicações.

Uma nova métrica melhora a avaliação de modelos de classificação de texto em diferentes áreas.

A contaminação de dados afeta bastante a avaliação de modelos de linguagem grandes.

Um novo método pra avaliar LLMs tá alinhado com os valores humanos.

Uma nova ferramenta pra avaliar os preconceitos em grandes modelos de visão-linguagem.

Um estudo avalia como as máquinas criam poesias variadas e criativas em comparação com os humanos.

Um novo método melhora como a gente avalia contra-narrativas ao discurso de ódio.

O InternLM-Law melhora as respostas a diversas perguntas legais chinesas com um treinamento avançado.

Explorando como perfis de usuário melhoram a personalização em modelos de linguagem.

Pesquisas mostram que os modelos têm dificuldade com as dependências de etapas em receitas de cozinha.

Esse artigo apresenta um método pra avaliar modelos de linguagem em vários prompts.

Novo método aborda diferenças regionais na avaliação de preconceito de gênero.

O dataset M2Lingual melhora as habilidades de seguir instruções em várias línguas.

Esse artigo apresenta um novo método pra avaliar modelos de texto pra imagem de forma eficaz.

Este estudo compara o desempenho de Modelos de Linguagem usando testes INVALSI de italiano.

O RAGBench apresenta um conjunto de dados completo pra avaliar sistemas de Geração Aumentada por Recuperação.

A Dysca apresenta uma nova forma de avaliar o desempenho do LVLM usando dados sintéticos.

Um olhar sobre métodos modernos em design de engenharia para eficiência e desempenho.

Uma nova abordagem melhora a extração de eventos causais usando avaliação centrada no ser humano.

Avaliar como confiar em especialistas humanos afeta a precisão das previsões em modelos de ML.

Apresentando um novo método para melhores soluções em tarefas complexas de engenharia e robótica.

Um estudo avaliando a qualidade dos conjuntos de dados para identificar discurso de ódio online.