Artigos mais recentes para Processamento de Linguagem Natural

ViANLI apresenta novos desafios para modelos de PLN no processamento da língua vietnamita.

Esta pesquisa foca na melhoria do reconhecimento de entidades nomeadas por meio de estratégias variadas de representação de dados.

Este artigo examina como as embeddings geradas por LLM se relacionam com tokens-chave em textos.

Analisando o comportamento de atenção estranho em modelos Transformer.

RAIL combina aprendizado contínuo com modelos de visão-linguagem para melhor adaptabilidade.

Um novo método aprimora a precisão na resposta a perguntas para modelos de linguagem black-box.

CMDPs combinam maximização de recompensas com segurança em aplicações de IA.

Um estudo sobre o uso de modelos de prompt para avaliar tradução automática e sumarização.

Um novo sistema melhora o treinamento de grandes modelos de linguagem com longas sequências.

Uma nova abordagem para classificar textos gerados por humanos e máquinas de forma mais eficaz.

LLaMIPa melhora a capacidade dos computadores de compreender a dinâmica da conversa.

Uma nova abordagem melhora a extração de eventos causais usando avaliação centrada no ser humano.

Um olhar mais atento sobre como os modelos MoE operam e seus potenciais benefícios.

Um novo método para melhorar o desempenho de modelos de linguagem com textos longos.

Este estudo avalia quão bem os grandes modelos de linguagem utilizam informações externas.

Um novo método melhora a análise de sentimento ao enfrentar os desafios da escassez de dados.

Um novo modelo melhora as habilidades de chamada de função dos modelos de linguagem para tarefas complexas.

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

Este artigo explora como o contexto afeta a capacidade dos modelos de linguagem de lidar com perguntas relacionadas ao tempo.

Uma nova estrutura visa melhorar a precisão em modelos de análise semântica.

Pesquisadores usam sondas proposicionais para aumentar a confiabilidade dos modelos de linguagem.

Uma análise aprofundada de como os modelos de linguagem mantêm a precisão com mudanças estruturais.

Novos métodos de treinamento aprimoram a capacidade dos modelos de linguagem de criar textos longos e detalhados.

Analisando o impacto das máscaras de atenção e da normalização de camadas em modelos de transformadores.

Explore como as configurações de temperatura influenciam a geração de texto em modelos de linguagem.

Um novo método melhora a eficiência no processamento de linguagem ao simplificar a tokenização.

O Gradiente de Política Contrastivo oferece uma maneira mais eficiente de aprimorar modelos de linguagem.

Um guia para melhorar o treinamento de modelos de linguagem com recursos limitados.

Um novo benchmark avalia como os computadores lidam com perguntas ambíguas.

Uma nova abordagem para melhorar a generalização de fraca para forte em modelos de linguagem.

Esse artigo analisa o papel dos LLMs na geração de dados sintéticos para tarefas de classificação de texto.

Um método pra gerar palavras-chave baseado nas necessidades do usuário pra melhorar a resumão de conteúdo.

Um estudo sobre como usar dados de texto e áudio pra melhorar o reconhecimento de emoções.

Um método para agrupar e entender melhor os significados das palavras na linguagem.

LEMoE oferece atualizações eficientes para grandes modelos de linguagem, abordando desafios principais.

Novos métodos melhoram a clareza do texto por meio de uma segmentação eficaz de proposições.

MM-Instruct melhora a capacidade de grandes modelos multimodais de seguir instruções diversas.

Um novo sistema melhora o gerenciamento de memória para geração de texto longo em modelos de linguagem.

Uma nova abordagem para garantir a privacidade enquanto mantém a utilidade do texto em modelos de PNL.

O TreeSeg melhora a organização de transcrições com técnicas eficazes de segmentação de tópicos.