Artigos mais recentes para Desempenho do Modelo

Um novo método melhora a justiça do modelo gerando amostras de dados sintéticas.

Descobertas recentes colocam em dúvida a crença de que mais dados sempre melhoram os resultados do aprendizado de máquina.

Este estudo revela as vantagens do SGD em robustez em comparação com métodos de treinamento adaptativos.

Analisando o impacto da tomada de decisão da IA em grupos e resultados sistêmicos.

O MixBag melhora a aprendizagem a partir de proporções de rótulos, criando novos grupos rotulados.

Novo método enfrenta vários preconceitos na classificação de imagens pra melhorar a justiça.

Um novo método para avaliar modelos de aprendizado de máquina sem dados rotulados.

Analisando como Redes Neurais Causais melhoram a resistência a ataques adversariais.

Uma nova abordagem melhora a avaliação de modelos preditivos para resultados de pacientes.

Este artigo apresenta uma nova abordagem para criar modelos de PLN usando comandos em linguagem natural.

Uma competição destaca estratégias para defender modelos de aprendizado de máquina em finanças.

Novos métodos melhoram a detecção de imagens médicas incomuns para diagnósticos melhores.

Um novo método para avaliar modelos de linguagem sem rótulos humanos.

Esse estudo analisa métodos avançados pra prever a lotação em emergências e melhorar o atendimento ao paciente.

Saiba como Neurônios com Consciência de Padding impactam o processamento de imagens em modelos de aprendizado de máquina.

Esse artigo investiga como a escassez de parâmetros afeta o desempenho e a eficiência dos modelos de IA.

Este artigo fala sobre um método novo para lidar com dados faltantes usando aprendizado contrastivo.

Um estudo sobre como melhorar a eficiência do treinamento de modelos de linguagem usando o dataset SlimPajama.

Uma nova abordagem melhora a qualidade de rótulos biomédicos barulhentos.

Uma nova arquitetura de MLOps integra explicações para aumentar a confiança e a eficiência em modelos de ML.

Esse artigo analisa os desafios e soluções relacionadas a rótulos barulhentos nos dados de treinamento.

Nova abordagem melhora modelos de deep learning para segmentação confiável de imagens médicas.

Um novo conjunto de dados para melhorar o reconhecimento de imagens e textos em e-commerce.

O desaprendizado contrastivo remove de forma eficiente a influência dos dados enquanto preserva o desempenho do modelo.

Um método de aprendizado profundo melhora a detecção de problemas nos rins em imagens médicas.

Esse estudo questiona a preferência pelo AUPRC em vez do AUROC em conjuntos de dados desbalanceados.

Um estudo analisa o desempenho e os preconceitos dos modelos de linguagem de IA no mundo todo.

A teoria da aprendizagem credal traz novas ideias para adaptar modelos de aprendizado de máquina a dados que mudam.

Esse artigo explora como a geração de comentários melhora as habilidades de programação dos grandes modelos de linguagem.

Um novo framework tá tentando melhorar as respostas empáticas da IA nas conversas.

Aprenda como a amostragem negativa facilita o treinamento do modelo e melhora o desempenho.

Discutindo privacidade e justiça em machine learning através de privacidade diferencial e risco do pior grupo.

Uma nova abordagem para representação de imagens com privacidade diferencial por meio de legendas.

Este estudo analisa como o conhecimento contextual melhora a detecção de eventos adversos relacionados a medicamentos.

A pesquisa mostra como o aprendizado por transferência funciona e a relação com o desempenho dos modelos.

Uma ferramenta pra melhorar a precisão das previsões usando contrafactuais e visualização de dados.

Analisando como o barulho nos dados de pré-treinamento afeta o desempenho do modelo.

Novos métodos melhoram a habilidade da IA de esquecer dados enquanto mantém o desempenho.

Pesquisas destacam métodos melhorados de diagnóstico precoce para câncer de pulmão usando dados de pacientes.

Um estudo revela novas técnicas para ataques de backdoor em modelos de linguagem com impacto mínimo.