Artigos mais recentes para Avaliação do Modelo

Um novo benchmark avalia métodos para medir a similaridade representacional em aprendizado de máquina.

Uma nova abordagem para detectar falhas em modelos de classificação de imagens.

Avaliar como os LLMs produzem saídas em JSON através de testes StructuredRAG.

Um estudo sobre como melhorar os métodos de UDA através da avaliação e compreensão de mudanças nos dados.

Um novo método pra combinar modelos de linguagem de forma mais eficiente.

Uma nova abordagem melhora a compreensão das previsões do modelo através da atribuição de características.

Um método novo mostra como os modelos de visão organizam e entendem imagens.

Nova técnica para entender melhor as previsões do modelo usando exemplos contrafactuais.

Um método que combina VMD e modelos lineares aumenta a precisão das previsões.

A estrutura PoEM avalia modelos de linguagem sem precisar de rótulos precisos.

Este estudo avalia como pequenas mudanças impactam as respostas de modelos de linguagem.

Um novo método ajuda a identificar a contaminação de dados de teste em LLMs usando probabilidades de tokens.

O FSDEM traz uma nova maneira de avaliar técnicas de seleção de características para análise de dados.

O dataset MAPWise desafia modelos com perguntas baseadas em mapas e avalia suas habilidades de raciocínio.

Este artigo fala sobre um novo sistema de classificação pra avaliar modelos de linguagem de forma mais justa.

O Logit Scaling melhora a detecção de dados fora da distribuição sem precisar de dados de treino.

Esse estudo avalia modelos de machine learning pra detectar lixo nos rios.

Um novo método para avaliar a robustez em classificadores de ML usando distância adversarial.

Uma olhada mais de perto em como os grandes modelos de linguagem se saem em tarefas básicas.

Um novo método melhora as explicações da IA por meio da colaboração entre dois modelos de linguagem.

Esta pesquisa explora como o grau topológico avalia a eficácia dos VAEs em capturar a estrutura dos dados.

Estudo revela como os modelos de linguagem usam o contexto pra respostas precisas.

Novos métodos ajudam a entender como os modelos reagem a mudanças nos dados.

Esse artigo analisa métodos para detectar contaminação de dados em modelos de linguagem grandes.

Este artigo explora como métodos bootstrap melhoram a estabilidade e a robustez em modelos SGD.

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.