Informática - Aprendizagem de máquinas

Este artigo apresenta um método pra usar LLMs pra anotar dados em tabelas com o mínimo de esforço humano.

Uma abordagem flexível para gerar CFEs que respeita as preocupações com a privacidade dos dados.

Aprenda como autoencoders emparelhados melhoram a resolução de problemas inversos complexos.

Mudanças pequenas no design podem aumentar o pensamento crítico ao usar modelos de linguagem.

Explorando leis de conservação e seu papel em cenários complexos de aprendizado de máquina.

SimClone detecta clones de dados em conjuntos de dados tabulares sem depender de características estruturais.

Uma nova função de perda melhora o aprendizado de características em tarefas de classificação.

Estudo melhora as estratégias de troca de faixa para carros autônomos em tráfego misto.

O BPA melhora como a gente representa características em várias tarefas de dados.

Esse artigo fala sobre um método pra treinar agentes generalistas usando linguagem e visão.

Analisando padrões de dados espaciais e seu conteúdo de informação.

Um novo método pra selecionar estimadores de forma eficiente em tarefas de avaliação off-policy.

Explorando métodos de classificação para misturas gaussianas sobrepostas em aprendizado de máquina.

Um novo framework ajuda a visualizar gráficos dinâmicos para ter insights e análises melhores.

FAdam otimiza o treinamento de machine learning com técnicas aprimoradas pra resultados melhores.

O CAT melhora a interpretabilidade do modelo agrupando as características em conceitos de alto nível.

Um modelo inovador lida com gráficos dinâmicos enquanto melhora o desempenho e reduz o tempo de treinamento.

O CTBench ajuda os pesquisadores a escolherem melhores características de referência para ensaios clínicos usando IA.

AMORE cria regras claras pra entender melhor as decisões da IA em várias áreas.

Combinar física e aprendizado de máquina melhora as técnicas de imagem do subsolo.

Um guia rápido pra escrever e enviar artigos científicos de forma eficaz.

Analisando como as camadas de normalização influenciam o desempenho dos transformers e o manuseio das tarefas.

Uma nova função de perda, Astral, melhora o desempenho das redes neurais informadas pela física.

Um novo método melhora a forma como modelamos sistemas complexos com equações simples.

Pesquisadores usam aprendizado de máquina pra prever parâmetros importantes de Hubbard pra materiais.

Robôs aprendem novas tarefas mais rápido usando habilidades que já têm de experiências passadas.

Esse estudo usa autoencoders esparsos pra interpretar as saídas da camada de atenção em transformers.

Novos métodos aumentam a precisão no manuseio de dados faltantes para árvores em estágios.

Um novo método melhora a interpretação de imagens de ultrassom usando aprendizado de máquina.

Novas estruturas matriciais melhoram o ajuste fino para modelos de IA com menor demanda de recursos.

Estudo revela como os traços dos usuários afetam as respostas e a precisão dos LLM.

Esse artigo analisa como o viés se desenvolve durante o treinamento de modelos de aprendizado de máquina.

Um novo método para selecionar exemplos de dados aprimora a eficiência do aprendizado de máquina.

FedBiOT melhora grandes modelos de linguagem enquanto mantém os dados privados e o uso de recursos baixo.

Examinando a influência do barulho e sinais estruturados em modelos de matrizes aleatórias.

LaTable melhora a criação de dados tabulares sintéticos em várias áreas.

O método Grass melhora o uso de memória para treinar modelos de linguagem grandes.

Um método novo melhora a análise de distribuição de dados em várias categorias.

Uma nova abordagem melhora a compreensão dos efeitos de drogas nas células.

BayTTA funde TTA e BMA para melhor precisão em imagens médicas.