Artigos mais recentes para Modelos de Linguagem

A SciEx revela os pontos fortes e os desafios dos LLMs na avaliação científica.

Esse estudo mostra como o BERT aprende fatos sobre COVID-19 através de treinamento contínuo.

Um novo teste de referência avalia as habilidades dos LLMs com formatos de dados estruturados.

Um novo framework melhora como os agentes LLM aprendem através de um guia de processo detalhado.

Apresentando o RePrompt pra melhorar o desempenho do modelo de linguagem com prompts otimizados.

Um novo benchmark avalia como os modelos de linguagem lidam com mudanças de texto.

As características dos usuários influenciam as respostas dos modelos de linguagem e a segurança deles.

Um conjunto de ferramentas pra avaliar o desempenho de modelos aumentados por recuperação em domínios específicos.

Este estudo revela como os modelos de linguagem mudam de comportamento durante o treinamento.

Esse artigo examina maneiras de melhorar as habilidades de planejamento em grandes modelos de linguagem.

O DetectBench avalia LLMs pela capacidade de detectar evidências ocultas em tarefas de raciocínio.

Analisando como a ativação de neurônios melhora o raciocínio aritmético em modelos de linguagem grandes.

Um novo modelo gera poesia tcheca com rimas e ritmos melhores.

Um novo benchmark avalia as habilidades de raciocínio em modelos de linguagem.

Um estudo sobre como modelos de linguagem geram justificativas persuasivas para avaliação de argumentos.

Esse estudo avalia a honestidade dos LLMs em três áreas principais.

Este artigo explora como adversários impactam o trabalho em equipe entre modelos de linguagem.

Um estudo completo sobre o desempenho de modelos de linguagem em 10 línguas do subcontinente indiano.

Um novo método melhora a reparação de código para linguagens de programação pouco usadas.

Explorando como os sinks de atenção impactam o desempenho dos modelos de linguagem e apresentando uma técnica de calibração.

O RankAdaptor otimiza o fine-tuning para modelos de IA podados, melhorando o desempenho de forma eficiente.

Um estudo sobre o PlagBench e seu papel na detecção de plágio em saídas de LLM.

Novo conjunto de dados avalia a habilidade dos LLMs em tarefas complexas de raciocínio lógico.

Essa pesquisa investiga como as habilidades de raciocínio se transferem entre os idiomas em modelos de linguagem.

Esse artigo fala sobre como os modelos de IA aprendem com os erros através da autocorreção.

Este estudo avalia como os LLMs entendem direções cardeais.

Esse estudo avalia como os LLMs lidam com a tomada de decisão em um ambiente de jogo.

Estudo revela como os traços dos usuários afetam as respostas e a precisão dos LLM.

CharED combina modelos de linguagem pra melhorar a performance sem vocabulários compartilhados.

O RAGBench apresenta um conjunto de dados completo pra avaliar sistemas de Geração Aumentada por Recuperação.

Explorando questões de justiça em modelos de linguagem de IA e suas implicações.

Apresentando uma ferramenta para aumentar a segurança nas interações com modelos de linguagem.

Este artigo explora a detecção de erros em ferramentas usadas por modelos de linguagem.

Esse artigo analisa estruturas repetitivas em textos gerados por modelos de linguagem.

Um novo benchmark avalia quão bem os modelos de linguagem seguem múltiplas instruções em sequência.

O dataset MalAlgoQA avalia o raciocínio de Modelos de Linguagem Grandes em cenários contrafactuais.

MathCAMPS oferece uma nova forma de avaliar o raciocínio matemático em modelos de linguagem.

Esse trabalho foca em uma representação numérica melhor usando embeddings de dígitos pra fazer previsões mais precisas.

Explorando a eficácia dos LLMs na tomada de decisões através de cenários de Dueling Bandits.

Um novo padrão pra avaliar grandes modelos de linguagem em testes de hipótese.