Artigos mais recentes para Avaliação do Modelo

Analisando o impacto da contaminação de dados no desempenho e avaliação de modelos de linguagem.

Esse estudo mostra os limites dos modelos de texto pra imagem na hora de lidar com números.

Uma nova métrica melhora a avaliação de modelos de classificação de texto em diferentes áreas.

Uma análise detalhada de como os modelos de visão reconhecem e representam vários objetos.

Um estudo sobre a eficácia dos detectores de OOD contra exemplos adversariais.

Destaques da pesquisa mostram as habilidades de aprendizado em contexto em grandes modelos de linguagem.

Um estudo que destaca a importância de anotações completas para a avaliação de recuperação.

Um novo padrão destaca os riscos de viés espúrio em modelos de linguagem multimodal.

Investigando feedback detalhado para modelos de texto para imagem e suas implicações práticas.

Novo benchmark avalia como modelos de vídeo-linguagem lidam com imprecisões de forma eficaz.

APIGen gera conjuntos de dados diversos e de alta qualidade para agentes de chamada de função.

Um novo método para detectar viéses no treinamento de modelos de linguagem.

O modelo SAVE melhora a segmentação áudio-visual com eficiência e precisão.

Uma nova maneira de avaliar a precisão do modelo sem rótulos durante mudanças nos dados.

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

Novo benchmark melhora a avaliação de modelos multimodais ao minimizar preconceitos.

Esse estudo analisa como dados visuais e textuais afetam o desempenho do modelo.

CD-T melhora a compreensão dos modelos de transformer, aumentando a interpretação e a confiança.

Novo padrão avalia o viés de gênero em modelos de IA relacionados a funções de trabalho.

Analisando vulnerabilidades de ataques de backdoor com rótulo limpo e como limites de generalização podem ajudar.

Uma nova ferramenta pra testar modelos de linguagem em ambientes barulhentos.

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

A pesquisa avalia a estabilidade de métodos de XAI usando um conjunto de dados de diabetes.

Um estudo sobre como os LLMs gerenciam regras e restrições de programação.

Descubra a importância e os desafios de avaliar o desempenho de LLM de forma eficaz.

Uma olhada nas classificações de modelos de fundação e seus problemas de avaliação.

Novas métricas oferecem uma melhor avaliação do desempenho de modelos generativos em aprendizado de máquina.

O Efeito Rashomon revela vários modelos eficazes em aprendizado de máquina.

Uma análise dos métodos para avaliar previsões de tempo até o evento na ciência de dados.

Analisando como a invariância impacta o desempenho do modelo em aprendizado por transferência.

Analisando os efeitos reais dos métodos pós-treinamento no desempenho de modelos de linguagem.

Analisando as vulnerabilidades de modelos leves contra ataques adversariais.

Esse estudo avalia como os modelos grandes lidam com vários objetos em imagens.

Uma olhada nos desafios e inovações nos métodos de adaptação de domínio em grafos.

Essa pesquisa melhora a confiabilidade dos modelos de aprendizado de máquina por meio de técnicas de calibração e recalibração.

Analisando as dificuldades que os modelos enfrentam com sequências longas em várias aplicações.

Aprenda como a seleção aleatória de sementes impacta o desempenho e a confiabilidade do modelo de IA.

Uma nova abordagem para avaliar grandes modelos de linguagem para obter insights de desempenho melhores.

Apresentando o HO-FMN pra avaliar melhor a robustez de modelos de machine learning contra ataques adversariais.

Analisando ataques adversariais e a robustez do modelo em segmentação semântica.