Artigos mais recentes para Avaliação

Novo benchmark melhora a avaliação de modelos multimodais ao minimizar preconceitos.

O GraphArena avalia o desempenho de LLM em problemas de gráfico usando dados do mundo real.

Explore um jeito justo de dividir os créditos em projetos em grupo.

Um novo padrão pra avaliar grandes modelos de linguagem em testes de hipótese.

O CRAB melhora os testes para modelos de linguagem em ambientes do dia a dia.

Esse artigo analisa o impacto das mudanças temporais nas avaliações de sistemas de recuperação de informação.

Apresentando o FairMedFM pra avaliar a justiça dos modelos de fundação na área da saúde.

Novo conjunto de dados melhora o desempenho do modelo de linguagem árabe e ajuda na comunicação eficaz.

Estudando como a quantização afeta o desempenho em diferentes línguas.

Explorando modelos de aprendizado de máquina e novos conjuntos de dados pra melhorar a segurança.

Um novo benchmark aborda os desafios na recuperação de código para desenvolvedores.

Novas maneiras aumentam a confiabilidade do texto gerado por modelos de linguagem.

Uma ferramenta pra identificar respostas enganosas de grandes modelos de linguagem.

Descubra a importância e os desafios de avaliar o desempenho de LLM de forma eficaz.

Uma olhada nas classificações de modelos de fundação e seus problemas de avaliação.

O estudo mostra que as ferramentas de avaliação de IA têm um viés a favor de respostas mais longas.

Uma nova abordagem melhora a precisão das avaliações de modelos de linguagem.

Um novo método pra selecionar línguas diversas na pesquisa de processamento de linguagem natural.

Um novo padrão avalia as habilidades de raciocínio temporal de grandes modelos de linguagem.

Abordagem inovadora pra criar funções de aquisição eficazes pra otimização Bayesiana.

Um novo conjunto de dados melhora a precisão na avaliação de resumos de histórias gerados por modelos de linguagem.

Um novo método pra avaliar agentes de análise de dados pra ter insights melhores nos negócios.

Um desafio pra melhorar a compreensão dos robôs sobre as interações humanas.

Uma nova estrutura tem como objetivo automatizar as revisões de artigos para um feedback de melhor qualidade.

Apresentando o DictaLM 2.0 e o DictaLM 2.0-Instruct pra melhorar o processamento da língua hebraica.

Este estudo analisa como os modelos representam bem culturas diversas.

Um projeto focado em melhorar a geração de histórias em árabe usando modelos avançados.

Uma nova abordagem para avaliar grandes modelos de linguagem para obter insights de desempenho melhores.

A pesquisa apresenta novos métodos para avaliar sistemas de reconhecimento de fala em polonês.

Descubra como dados sintéticos ajudam os varejistas a proteger a privacidade dos clientes enquanto ganham insights.

O DocBench faz testes em sistemas baseados em LLM para ler e responder a vários formatos de documentos.

Uma estrutura pra avaliar as habilidades dos LLMs em tarefas relacionadas a dados com interpretadores de código.

Analisando o impacto dos LLMs nos estereótipos sociais e formas de melhorar os resultados.

Esse estudo propõe um método novo de avaliação pra entender vídeo e texto.

Analisando a importância e as dificuldades de avaliar modelos de IA multimodal.

Um novo conjunto de dados pra melhorar o desempenho em perguntas e respostas usando respostas longas, feitas por humanos.

Os modelos Phi-3 se concentram na segurança e em alinhar com os valores humanos.

Analisando problemas com modelos de linguagem grandes em prever itens faltando na lista.

Um estudo comparando modelos de IA e avaliações humanas de resumos científicos.

Um novo benchmark avalia modelos de linguagem em desafios de codificação científica em várias áreas.