Artigos mais recentes para Avaliação do Modelo

Um novo padrão tem o objetivo de melhorar a avaliação de incerteza em modelos de linguagem.

Um novo método melhora o raciocínio do modelo através de rastros de programação estruturada.

Analisando como o ajuste fino afeta a segurança em modelos de linguagem em várias tarefas.

Uma nova abordagem para avaliar modelos de ML usando a Teoria da Resposta ao Item para obter insights melhores.

Modelos base fortes melhoram a avaliação de sistemas de ML na área da saúde.

Uma olhada nos intervalos de confiança em aprendizado com poucos exemplos e seu impacto na avaliação de modelos.

Analisando a compreensão e a precisão de saída dos modelos de linguagem.

Destaques da pesquisa usando funções de influência pra melhorar o desempenho de PINN em problemas de física.

Um olhar sobre a dimensão efetiva e seu impacto no treinamento de modelos.

Este artigo avalia o quão bem modelos de linguagem explicam conceitos científicos.

Esse artigo analisa os GAMs como uma solução para desempenho preditivo e interpretabilidade.

Analisando como amostras difíceis afetam o desempenho do modelo e a confiabilidade da precisão do teste.

Esse artigo examina como diferentes camadas afetam o desempenho dos LLMs.

Rótulos suaves podem melhorar o desempenho de modelos de aprendizado de máquina em cenários de dados incertos.

O RepairBench define padrões pra comparar modelos de IA na correção de bugs de software.

Esse método melhora a confiabilidade das pontuações de confiança dos modelos de linguagem.

Aprenda como o domínio de aplicabilidade afeta a precisão dos modelos preditivos em várias áreas.

Um método pra estimar a confiabilidade das respostas de modelos de linguagem grandes.

Um novo método pra testar modelos de linguagem usando texto aleatório.

Um método pra melhorar a eficácia do vetor de direcionamento em modelos de linguagem.

Explore o impacto do aprendizado por atalho em modelos de linguagem e suas aplicações no mundo real.

Este artigo analisa métodos para comparar modelos generativos por meio de representações baseadas em embedding.

Uma estrutura pra equilibrar o aprendizado de pseudo-rótulos em machine learning.

Nova ferramenta H-POPE melhora a precisão dos modelos de visão-linguagem.

Um estudo sobre as habilidades de diferentes modelos em Aprendizado em Contexto.

Um novo framework identifica quando modelos multimodais usam dados de treinamento inadequados.

Este artigo fala sobre a necessidade de transparência nos benchmarks de modelos de linguagem.

Uma visão geral das forças e fraquezas dos Modelos de Visão-Linguagem de hoje.

Um estudo completo comparando métodos para estimar intervalos de confiança em modelos de machine learning.

Uma olhada nas redes de similaridade para melhorar a justiça em machine learning.

Aprenda estratégias para melhorar o desempenho do modelo em conjuntos de dados desbalanceados.

Um guia pra entender o desempenho de modelos de IA usando o framework FEET.

Uma estrutura pra comparar modelos de previsão usando componentes principais.

O RLInspect ajuda a analisar e melhorar modelos de aprendizado por reforço de forma eficaz.

Analisando como modelos de IA lidam com texto e imagens juntos.

Explorando como o tamanho do modelo afeta a performance na detecção OOD.

Um novo método melhora a detecção de dados desconhecidos em modelos de aprendizado profundo.

As tarefas de NLI ainda são relevantes para testar modelos de linguagem grandes?

O framework ICER testa as medidas de segurança em modelos de texto para imagem de forma eficaz.

Um estudo revela problemas de precisão em textos longos gerados por IA.