Artigos mais recentes para Desempenho do Modelo

Uma nova abordagem pra melhorar o desempenho de modelos de NLP em dados que nunca foram vistos.

Esse artigo explora como o comprimento da entrada afeta as habilidades de raciocínio dos Modelos de Linguagem Grande.

Essa pesquisa avalia a confiança dos modelos de IA e a qualidade das explicações em ambientes barulhentos.

Combinar modelos de linguagem melhora o desempenho em várias tarefas através da colaboração.

Um olhar sobre os desafios e soluções para identificar amostras difíceis.

Um método pra melhorar a justiça em modelos de aprendizado de máquina pra tarefas de imagem e texto.

Essa pesquisa analisa o desequilíbrio espectral pra melhorar a equidade em modelos de classificação de aprendizado de máquina.

Um método em duas etapas melhora o desempenho do modelo em diferentes grupos de dados.

Explorar os pontos fortes e fracos das RNNs e Transformers no processamento de linguagem natural.

Um novo método melhora a confiabilidade em encontrar conexões dentro dos modelos de linguagem.

Apresentando o DeNetDM, uma técnica pra reduzir os vieses em redes neurais sem precisar de ajustes complicados.

Examinando os efeitos de cortar vocabulário na qualidade e eficiência da tradução.

Esse trabalho foca em apagar conceitos indesejados dos modelos de texto para imagem.

Estudo investiga como modelos quase-interpolantes se saem em dados que nunca viram antes.

Analisando protocolos de aprendizado federado pra melhorar a privacidade enquanto aumenta a precisão do modelo.

A poda de dados melhora a eficiência do modelo enquanto resolve possíveis problemas de viés.

Explorando os fatores principais que afetam a robustez contra ataques adversariais em aprendizado de máquina.

Recursos diversos melhoram a capacidade dos modelos de identificar novas categorias de dados de forma eficaz.

Analisando como a quantização pode melhorar o desempenho e a generalização de redes neurais.

Um método pra verificar a confiabilidade do modelo sem rótulos verdadeiros.

Um novo modelo pra avaliar modelos de fundação em tarefas de fala.

Um novo método melhora como os modelos lidam com previsões incertas.

Uma nova estrutura melhora o aprendizado federado e evita o esquecimento em modelos de IA.

Este estudo investiga preconceitos em modelos de visão-linguagem e formas de reduzir seu impacto.

Um novo método melhora a precisão na detecção de mudanças nos dados ao longo do tempo.

PadFL melhora o compartilhamento de modelos e a eficiência em diferentes capacidades de dispositivos.

Analisando os modelos que já existem dá pra ver como o desempenho dos modelos de linguagem muda conforme eles vão ficando maiores.

Aprenda como o bagging melhora o desempenho do modelo em várias aplicações.

Reorganizar as divisões de dados melhora a otimização de hiperparâmetros em aprendizado de máquina.

Este artigo analisa como a transferência de conhecimento melhora a precisão de modelos generativos.

Um olhar sobre a mudança de conceito e métodos de detecção não supervisionados.

Esse estudo usa autoencoders esparsos pra interpretar as saídas da camada de atenção em transformers.

IDAICL melhora as previsões ao aprimorar a qualidade das demonstrações no aprendizado em contexto.

Uma olhada na nova abordagem da Larimar sobre memória em modelos de linguagem.

Aprenda sobre drift em ML e como lidar com isso de forma eficaz.

Aprenda como controladores PI melhoram a otimização com restrições em aprendizado de máquina.

Explore o impacto de dados fora da distribuição no desempenho de aprendizado de máquina.

Este artigo estuda como o treinamento influencia as previsões dos grandes modelos de linguagem.

Um novo método avalia associações de dados enganosas em modelos de aprendizado de máquina.

Um novo método melhora a eficiência do "machine unlearning" sem prejudicar o desempenho do modelo.