SIB-200: Ein umfangreicher Benchmark-Datensatz für die Klassifizierung von Themen in über 200 Sprachen und Dialekten
Die Schaffung des SIB-200-Datensatzes zielt darauf ab, die Evaluierung von natürlicher Sprachverarbeitung in vielen Sprachen zu verbessern und die Leistung von hoch- und niedrig-ressourcen Sprachen zu vergleichen.
DEEP-ICL: Definition-Enriched Experts for Language Model In-Context Learning
Verbesserung von In-Context Learning durch Task-Definition-Extraktion und Experten-Ensemble.
SNIFFER: Multimodales großes Sprachmodell zur Erklärung von Out-of-Context Fehlinformationserkennung
SNIFFER ist ein multimodales großes Sprachmodell, das speziell für die Erkennung und Erklärung von Out-of-Context Fehlinformationen entwickelt wurde.
Neubewertung der LLM-Sprachanpassung: Chinesische Mixtral-Studie
Chinesische Mixtral-Modelle verbessern die Leistung in chinesischen Aufgaben und zeigen Potenzial für zukünftige Forschung.
NoteLLM: Ein abrufbares großes Sprachmodell für Notizenempfehlungen
Das NoteLLM Framework nutzt große Sprachmodelle zur Verbesserung von Notizenempfehlungen durch Komprimierung von Notizen und Generierung von Hashtags/Kategorien.
© 2024 by Linnk AI