Artigos mais recentes para Ciência de Dados

Esse artigo fala sobre os desafios de aprendizado contínuo e possíveis soluções em aprendizado de máquina.

Esse artigo explora como o aprendizado causal melhora a justiça e a confiabilidade dos sistemas de recomendação.

Explorando maneiras de melhorar o raciocínio dos LLMs sem feedback externo.

Novos métodos combinam as ideias dos especialistas com as experiências dos alunos pra melhorar a eficiência.

Aprenda como o transporte ótimo ajuda a comparar distribuições de dados de forma eficiente.

Uma nova técnica melhora a comunicação entre trabalhos de DNN em redes compartilhadas.

Um novo método melhora a tomada de decisão no aprendizado de políticas offline.

Novos métodos melhoram a velocidade e a precisão dos sistemas de recomendação.

Um novo algoritmo melhora a integração das preferências dos usuários em tarefas complexas de aprendizado de máquina.

Novo conjunto de dados melhora muito o desempenho de LLM em tarefas de química.

Pesquisa sobre como os Transformers melhoram a generalização para sequências mais longas em tarefas de adição.

Um novo método pra prever relacionamentos causais a partir de dados de séries temporais usando deep learning.

Apresentando um método para quantificação de incerteza confiável em aprendizado estatístico.

Explore como a incerteza afeta as previsões de aprendizado de máquina e métodos para medi-la.

Um novo método melhora a seleção de características em conjuntos de dados de alta dimensão de forma eficaz.

Um novo framework melhora as sugestões personalizadas focando nos níveis de confiança.

Estratégias pra melhorar o desempenho do modelo, mesmo com a distribuição de dados desigual.

Um novo método pra melhorar o comportamento de modelos de linguagem, reduzindo viés e saídas tóxicas.

O API Pack facilita a geração de chamadas de API para modelos de linguagem, ajudando muito os desenvolvedores.

Um novo conjunto de dados tem como objetivo melhorar o raciocínio dos LLMs com probabilidades.

Apresentando um novo método para melhorar previsões em ambientes caóticos.

Pesquisadores combinam fontes de dados pra melhorar as previsões de propriedades moleculares de forma eficiente.

Uma nova abordagem para ajustar modelos melhora a eficiência e a precisão nas tarefas de machine learning.

O SLEB simplifica os LLMs removendo blocos de transformador redundantes, melhorando a velocidade e a eficiência.

Esse artigo fala sobre um método pra aprender características visuais a partir de dados de vídeo.

Usando RL, a assimilação de dados melhora a precisão das previsões em ambientes caóticos.

GFlowNets melhoram a precisão da amostragem de distribuições discretas complexas.

Um estudo apresenta um novo modelo pra estimar os níveis de poluição do ar no mundo todo.

Um estudo sobre confiabilidade e incerteza em grandes modelos de linguagem.

Esse estudo foca em melhorar os métodos de aprendizado contínuo em tarefas semânticas 3D.

Novos métodos melhoram a precisão na geração de imagens com prompts de múltiplos conceitos.

Uma nova forma de criar modelos mais simples a partir de sistemas complexos para melhores simulações.

Uma nova maneira de avaliar e comparar algoritmos de RecSys usando conjuntos de dados diversos.

Uma nova abordagem pra esclarecer como as imagens influenciam as decisões das redes neurais.

Uma nova estrutura pra gerar dados de mobilidade realistas usando raciocínio.

Saiba como o LinkedIn usa Redes Neurais Gráficas para fazer recomendações melhores para os usuários.

Analisando a importância dos modelos causais e intervenções em machine learning.

Este estudo investiga como os LLMs mostram viés de valor nas respostas deles.

Esse artigo fala sobre um jeito de melhorar os LLMs usando feedback verbal sem generalizar demais.

Esse artigo fala sobre como usar dados não rotulados pra melhorar modelos de aprendizado de máquina.