Artigos mais recentes para Processamento de Linguagem Natural

Novos métodos melhoram como a gente avalia o texto gerado por computador.

Melhorando modelos de texto-para-SQL ao integrar diferentes maneiras de fazer perguntas.

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

Aprenda como a geração de texto a partir de dados torna informações complexas mais fáceis de entender.

Um novo método protege a privacidade das decisões em modelos de linguagem enquanto mantém a performance.

Este artigo analisa as dificuldades e técnicas para atualizar o conhecimento em modelos de linguagem.

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

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

Melhorando os modelos de linguagem pra respostas precisas e baseadas em evidências.

Um novo framework pra avaliar a compreensão de tarefas de código pelos LLMs.

Esse trabalho analisa as vantagens da atenção de múltiplas cabeças em relação à atenção de uma única cabeça em tarefas de aprendizado de máquina.

O SafeCoder melhora a segurança do código gerado por modelos de linguagem.

Um novo método avalia a eficácia da edição de modelos na geração de textos mais longos.

Um novo método melhora como os modelos de linguagem coletam e usam informações.

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

Um panorama dos transformers e seu impacto no processamento de dados.

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 SyntaxShap melhora a compreensão das previsões dos modelos de linguagem através da análise sintática.

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

Uma visão geral do Aprendizado em Contexto e suas aplicações práticas através da Estrutura da Sopa de Pelicano.

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

Uma nova abordagem melhora o aprendizado contrastivo através de medidas de divergência variadas.

Este artigo discute uma nova abordagem pra melhorar modelos de geração de texto usando quantização.

Uma análise profunda sobre por que os transformers têm dificuldade com funções sensíveis.

Este estudo apresenta métodos para avaliar a geração de diálogos com base na diversidade e na qualidade.

Estudo revela que modelos de linguagem têm dificuldade com manipulações simples de texto.

Esta pesquisa analisa como os modelos de linguagem reagem a informações corretas e falsas.

O conjunto de dados TOAD melhora a comunicação do assistente virtual pra interações com os usuários ficarem melhores.

Um novo método pra adaptar LLMs sem precisar de muitos rótulos.

Uma nova estrutura pra avaliar a correção das respostas da IA com um julgamento parecido com o humano.

Esse estudo analisa como os modelos de linguagem adaptam suas previsões usando aprendizado em contexto.

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

Um olhar sobre como os transformers mandam bem com dados não estruturados em tarefas de regressão.

Explorando o futuro do processamento de linguagem extrativa usando modelos generativos.

Uma nova abordagem melhora a capacidade dos modelos de linguagem de transformar sequências, mesmo com dados limitados.

LinkNER combina modelos de NER e LLMs pra reconhecer entidades nomeadas de forma mais eficaz.

Esta pesquisa foca em melhorar os modelos de linguagem aperfeiçoando a forma como eles lidam com negações.

Uma estrutura pra melhorar a compreensão de abstração nos LLMs.

Um estudo sobre a mistura de adaptadores específicos de domínio pra melhorar o desempenho da IA.