Artigos mais recentes para Desempenho do Modelo

Aprendizado ativo reduz os custos de rotulagem enquanto melhora o desempenho do modelo.

Esse artigo analisa métodos de redução de dados em deep learning pra melhorar a eficiência.

O TwinLiteNet oferece uma solução eficiente para segmentação semântica em carros autônomos.

Uma nova abordagem pra misturar dados e melhorar o desempenho do modelo de linguagem.

Apresentando um método pra melhorar o aprendizado em modelos de machine learning, sem perder as características importantes.

Um novo conjunto de dados tem como objetivo melhorar os modelos de detecção de discurso de ódio para a língua alemã.

Estudo mostra que modelos menores se saem bem com dados de treinamento simplificados.

Novos algoritmos melhoram o treinamento do modelo Maxent para prever ocorrências de incêndios florestais.

Uma nova abordagem pra proteger a privacidade das imagens na tecnologia sem perder o desempenho do modelo.

Uma nova abordagem pra classificar conteúdo áudio-visual que nunca foi visto.

Uma olhada em como os LLMs resumem código e fatores que afetam o desempenho deles.

Um novo método combina layouts 3D e texto pra criar cenas urbanas melhores.

Pesquisas mostram que dividir dados afeta o desempenho em tarefas relacionadas à linguagem.

Esse estudo compara métodos para avaliar o desempenho de modelos de IA na saúde.

Um framework pra processamento de dados mais seguro em machine learning.

Uma nova abordagem pra melhorar o aprendizado auto-supervisionado usando binning em dados tabulares.

Explorando como o Aprendizado Federado pode melhorar a privacidade dos dados na saúde.

Uma nova abordagem melhora o desempenho e a justiça no aprendizado federado.

FedSC melhora o treinamento de modelos enquanto mantém a privacidade do usuário no aprendizado federado.

Este artigo fala sobre rotulagem salutar, um método pra reduzir a entrada humana em aprendizado de máquina.

Incluir dados em outras línguas melhora o desempenho do modelo de visão-linguagem e a compreensão cultural.

Um método usando MCMC pra geração efetiva de amostras negativas em aprendizado contrastivo.

Aumentar as rodadas de comunicação reduz custos e melhora o desempenho do modelo no aprendizado federado.

Uma estrutura pra identificar e reduzir os preconceitos em conjuntos de dados de treinamento.

Um novo método pra editar modelos de linguagem de forma eficaz, sem perder performance.

Uma olhada nos benefícios e limitações da destilação de conjuntos de dados em aprendizado de máquina.

Um novo benchmark avalia as habilidades de raciocínio em modelos de linguagem.

DIPS resolve problemas de qualidade de dados na pseudo-rotulagem pra ter melhores resultados em machine learning.

Uma olhada em como controlar o comportamento de modelos de linguagem com a técnica KL-then-steer.

Explorando como os sinks de atenção impactam o desempenho dos modelos de linguagem e apresentando uma técnica de calibração.

FedMap melhora a eficiência do Aprendizado Federado enquanto garante a privacidade dos dados.

Insights sobre os desafios do aprendizado de máquina em prever propriedades dos materiais.

A contaminação de código aumenta os riscos de ataques de inferência de membros em dados sensíveis.

Uma nova abordagem pra avaliar modelos de ML, focando na preparação de dados.

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

Um novo método para os bancos centrais melhorarem as escolhas de política monetária.

Este artigo explora maneiras de avaliar melhor a calibração do modelo e a precisão preditiva.

Um novo conjunto de dados para estudar ruído de rótulo na classificação de texto.

Um novo método melhora a detecção de imagens e textos com rótulos errados em conjuntos de dados.

Novos métodos melhoram a precisão na segmentação de imagens médicas em diferentes fontes de dados.