Artigos mais recentes para Avaliação de Dados

Um novo conjunto de dados melhora a avaliação do conhecimento molecular em modelos de linguagem.

O SPHINX-V melhora a capacidade da IA de interpretar imagens através da interação do usuário.

O BEAR melhora a avaliação do conhecimento relacional em modelos de linguagem.

Esse estudo examina como os modelos de linguagem lidam com diferentes expressões dos mesmos problemas de raciocínio.

Um novo conjunto de dados avalia como os modelos de linguagem lidam com conteúdo prejudicial em diferentes culturas.

Um novo parâmetro melhora como a gente avalia os LVLMs e a precisão deles.

Uma avaliação de quão bem os LLMs lembram informações factuais e os fatores envolvidos.

Este estudo oferece métodos melhores para avaliar modelos de texto para imagem.

Um estudo avaliando métodos de aprendizado com poucos exemplos para classificação da língua polonesa.

Novas métricas melhoram a avaliação de sistemas de extração de informações em documentos manuscritos.

O WorkBench testa a habilidade dos agentes de realizar tarefas de escritório realistas com um método de avaliação único.

Avaliando como os LLMs se adaptam a novas informações e preconceitos.

Um novo método pra avaliar como os modelos de linguagem tão alinhados com os valores humanos.

Combinar revisores humanos com LLMs melhora as avaliações de pesquisa biomédica.

Um desafio focado em modelos generativos profundos pra geração de imagens médicas realistas.

Um novo sistema pra avaliar modelos de linguagem usando fluxos de dados do mundo real.

Um novo método pra avaliar o raciocínio de bom senso em modelos de IA através de tarefas abertas.

Novo conjunto de dados GAIA revela a qualidade das ações no conteúdo gerado por IA.

Um novo método pra avaliar modelos generativos com a geração mínima de dados.

Um novo benchmark testa o raciocínio composicional em modelos avançados.

Novo conjunto de dados ajuda a avaliar a precisão e confiabilidade do texto da IA.

Um novo benchmark avalia como os modelos de linguagem lidam com mudanças de texto.

Um conjunto de ferramentas pra avaliar o desempenho de modelos aumentados por recuperação em domínios específicos.

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

Métodos para medir efeitos de tratamento em diferentes grupos e períodos de tempo.

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

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

Um novo método mede como os modelos de linguagem adaptam suas crenças com novas evidências.

Um novo padrão pra avaliar o desempenho de agentes de IA em literatura biomédica e gráficos de conhecimento.

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

Este estudo avalia como os LVLMs médicos se saem em meio a alucinações usando um novo conjunto de dados.

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

FKEA oferece uma forma nova de avaliar modelos generativos sem precisar de conjuntos de dados de referência.

Uma olhada nos benefícios dos métodos de avaliação de qualidade de tradução em nível de segmento.

Novas métricas e módulo EdgeHead melhoram a detecção 3D para veículos autônomos.

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

Melhorar como os modelos lidam com evidências em documentos longos aumenta a confiança do usuário.

BiasAlert melhora a detecção de viés em modelos de linguagem para resultados de IA mais justos.

Um novo método pra avaliar a precisão nas saídas de modelos de linguagem.

Um novo marco traz à tona a alucinação em modelos de linguagem visual.