Artigos mais recentes para Avaliação de Dados

Apresentando uma maneira eficiente de avaliar a qualidade das amostras geradas usando pontuações de densidade latente.

Um novo benchmark melhora a compreensão dos modelos sobre vídeos longos e linguagem.

O HaloQuest resolve problemas de alucinação em modelos de visão-linguagem com um novo conjunto de dados.

Um novo parâmetro busca melhorar as avaliações dos sistemas OIE para ter melhores insights de desempenho.

Um novo padrão pra testar modelos de linguagem visual com mudanças mínimas em imagens e legendas.

Este estudo destaca a necessidade dos LLMs saberem quando se abster.

Regras de pontuação adequadas melhoram a avaliação de previsões probabilísticas em várias áreas.

Um esquema pra estimar melhor os efeitos do tratamento em experimentos randomizados em clusters pareados.

Usando marcas de relevância geradas por IA pra avaliar de forma eficiente sistemas de recuperação de informações.

Um novo método melhora a precisão na avaliação de verificação de autoria ao reduzir o vazamento de tópicos.

Uma nova estrutura melhora a avaliação de sistemas RAG em domínios especializados.

Novos métodos oferecem uma avaliação melhor da compreensão de linguagem em modelos.

O MicroSSIM melhora a avaliação da qualidade da imagem em microscopia pra resultados científicos melhores.

Um novo modelo pra avaliar o desempenho de sistemas RAG.

ArabLegalEval avalia o desempenho dos LLMs em lidar com informações legais em árabe.

Novo benchmark enfrenta alucinações de relação em modelos de linguagem multimodal grandes.

Uma nova abordagem pra avaliar respostas relacionadas à saúde geradas por modelos de IA.

O Soda-Eval estabelece novos padrões para os métodos de avaliação de chatbots.

Um novo benchmark e conjunto de dados melhoram a avaliação de modelos de linguagem médica.

Uma nova maneira de avaliar como as citações sustentam afirmações em textos gerados.

Pesquisadores avaliam a confiabilidade das métricas para a segurança de modelos de linguagem.

Um benchmark de múltiplos domínios avalia as habilidades de geração de código dos LLMs em várias áreas.

Um novo sistema otimiza as respostas de IA para áreas legais, focando na Lei Local 144 da cidade de Nova York.

Um estudo sobre a efetividade dos métodos de comparação de imagens em diferentes cenários.

Analisando a efetividade dos LVLMs em gerar explicações de arte multilíngues.

Esse estudo avalia como a IA categoriza imagens em comparação com os humanos.

Um método novo de avaliação para grandes modelos de linguagem usando chamadas de API aninhadas.

O OpenACE oferece um bom padrão para avaliar codecs de áudio em várias condições.

Aprenda a avaliar e comparar imagens de forma eficaz.

A VERA melhora a precisão e a relevância das respostas dos modelos de linguagem.

O RAGProbe automatiza a avaliação de sistemas RAG, melhorando seu desempenho e confiabilidade.

Um novo conjunto de dados melhora a avaliação de modelos de linguagem na precisão de ensaios clínicos.

Um conjunto de dados ajuda os sistemas de IA a aprenderem melhor com visuais que distraem.

Um estudo sobre como os modelos seguem instruções durante diálogos complexos.

A HealthQ avalia a capacidade da IA de fazer perguntas no cuidado ao paciente.

Explorando maneiras de melhorar modelos multimodais na hora de entender perguntas visuais.

Apresentando o MemSim, uma ferramenta pra avaliar a eficácia da memória em assistentes de modelos de linguagem.

Apresentando um novo modelo e referência para avaliar tarefas de áudio múltiplo.

A gente vê como checar se perguntas de programação podem ser respondidas de boa.

O EVQAScore melhora a avaliação de QA em vídeo de um jeito eficiente e eficaz.