Artigos mais recentes para Otimização de Modelo

OGEN melhora a habilidade dos modelos de visão-linguagem de reconhecer novas classes de forma eficaz.

Esse artigo fala sobre técnicas pra melhorar a eficiência e o desempenho dos Modelos de Linguagem Grande.

Um método pra acelerar modelos de linguagem grandes sem perder a qualidade da saída.

Apresentando o DE-BERT, um framework que melhora a eficiência em modelos de linguagem através de estratégias de saída antecipada.

Um método pra ajustar modelos de linguagem usando menos parâmetros.

Aprenda como novas técnicas melhoram a eficiência de grandes modelos de aprendizado de máquina.

Apresentando o BMTPT pra melhorar a sintonia de prompts em modelos de linguagem.

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

LoRETTA melhora a eficiência de ajuste fino para grandes modelos de linguagem com menos parâmetros.

Uma nova abordagem pra deixar modelos de linguagem menores e mais rápidos usando quantização de 1 bit.

Um novo método de seleção de demonstrações melhora o desempenho do modelo em tarefas de linguagem.

Novos métodos prometem melhorar o desempenho dos modelos de IA através de um aprendizado por reforço mais simples.

Novo método de quantização melhora o desempenho de modelos de linguagem grandes enquanto reduz o tamanho.

Novas técnicas melhoram a quantização enquanto lidam com outliers pra um desempenho melhor do modelo.

Um estudo sobre métodos eficientes para ajustar modelos grandes através da Adaptação de Baixa Classificação.

Um novo método melhora a precisão da geração de imagens usando modelos de visão e linguagem.

Explorando novas maneiras de melhorar a tomada de decisões em agentes de aprendizado.

Pesquisas mostram como mínimos planos estão relacionados a um desempenho melhor do modelo em dados não vistos.

Um novo método pra deixar o RAG mais rápido e melhorar a qualidade.

Uma nova abordagem melhora o desempenho do modelo em diferentes tipos de dados.

Investigando métodos de compressão de modelos pra melhorar a eficiência e as defesas contra ataques.

O FedMef melhora o aprendizado federado para dispositivos com poucos recursos através de técnicas de poda inovadoras.

MetaOptimize melhora o desempenho do modelo ajustando as configurações de aprendizado de forma dinâmica.

Apresentando um novo método para um ajuste fino de modelo mais eficiente.

Um novo método usa aprendizado por reforço pra podar CNNs enquanto tá treinando.

Este artigo fala sobre os custos e melhorias para redes neurais de baixa precisão.

A Adaptação de Difusão Generalizada melhora o desempenho do modelo com amostras fora da distribuição.

Estratégias para melhorar autoencoders variacionais no manuseio de conjuntos de dados incompletos.

Um método pra melhorar o desempenho do modelo de linguagem em várias línguas durante a compressão.

Apresentando um método para poda de modelos complexos que não depende da tarefa.

Um novo método melhora modelos multimodais usando prompts visuais compartilhados.

Um novo método pra melhorar o desempenho de modelos em IA através da transferência de conhecimento.

Um novo método, InsTa, melhora a seleção de tarefas na afinação de instruções.

Esse estudo avalia como o tamanho do modelo e a quantização impactam o desempenho do modelo de linguagem.

Novas técnicas melhoram a eficiência e a precisão em grandes modelos de linguagem.

Melhorando modelos de difusão adicionando LoRA às camadas de atenção pra ter imagens melhores.

Um novo método pra melhorar as estruturas de modelos de forma mais eficaz e eficiente.

Este artigo apresenta o EFRAP, uma defesa contra ataques de backdoor condicionados à quantização em modelos de aprendizado profundo.

Um novo método melhora o ajuste fino de modelos grandes usando informações espectrais.

Um método que combina adaptações de baixo rank e ortogonais para modelos de IA.