accuracy improvements | BriefGPT

关键词accuracy improvements

搜索结果 - 12

大型多模态模型时代中的指代表达理解评估再探
参考表达理解（REC）涉及根据文本描述定位目标实例。本研究质疑现有基准对大型多模态模型（LMMs）的全面性能力，通过手动检查现有基准，发现高标注错误率，并通过排除问题实例和重新评估多种 LMMs 来解决。为了评估现代 REC 模型，引入了
PDF10 days ago
ACLGOLD: 几何问题解决器与自然语言描述
通过分别处理图形符号和几何基元来增强几何关系的提取，并将提取的关系转化为自然语言描述，从而高效利用大型语言模型解决几何数学问题。实验证明，GOLD 模型在 UniGeo 数据集上表现优于 Geoformer，并分别在计算和证明子集中提高了
PDF2 months ago
大规模语言模型的高效剪枝与自适应推理融合
用于资源受限设备的大型语言模型结构剪枝方法，在多层结构的基础上，通过自适应建模和融合估计结果实现了对每个子结构的重要性的自适应调整，实验结果表明在主流数据集上相比最先进的方法，平均准确率提高了 1.1％，1.02％，2.0％和 1.2％。
PDF4 months ago
神经符号融合带来因果和可靠推理证明
通过神经符号一体化方法，结合 LLMs 和符号求解器，实现了确定性执行性质的推理证明，提高了准确性和证明相似度。
PDF8 months ago
AFPQ: 非对称浮点量化用于 LLMs
通过使用不对称 FP 量化方法，我们提出了一种改进的量化方法，可以在大语言模型中提高准确性，且无需额外存储空间。
PDF8 months ago
通过新框架提升大型语言模型中的逻辑推理能力：思维图
利用 Graph of Thoughts (GoT) 和 prompting engineering 技术，我们的方法在解决多步骤逻辑推理问题方面超越了 GPT-4，分别获得了 89.7%、86% 和 56% 的准确率提升，并且相较于最先进
PDFa year ago
图关系感知的持续学习
连续图学习研究了从无限的图数据流中学习的问题，将历史知识整合并推广到未来的任务。在当前只有当前的图数据可用。本文提出了一种关系感知自适应模型，并说明了图边缘后面的潜在关系可以被归因为不变因素。通过实验证明，该模型在 CitationNet、
PDFa year ago
通过聚合早期退出来预测、集成和精简卷积神经网络
本文介绍了一种新的训练技术 Anticipate, Ensemble and Prune (AEP)，它基于权重集成的早期退出，旨在利用网络结构中的信息来最大化其性能。通过一系列全面的实验，我们展示了使用这种方法可以使平均准确性提高高达 1
PDFa year ago
使用引导神经切向核将联邦学习凸化
提出了一种称为 Train-Convexify-Train (TCT) 的过程，以解决非凸问题中联邦优化方法失败的问题，并进一步通过 CIFAR10 和 FMNIST 数据集实现了约 37% 和 36% 的准确度改进。
PDF2 years ago
MM基于多目标物理引导循环神经网络的非自治动态系统识别
本研究提出了一种基于物理引导的混合建模方法，通过在传统物理模型的基础上引入循环神经网络并使用复杂的多目标策略进行训练，以生成物理可行的非自治系统模型，进而与物理模型进行比较，在实验数据上取得了显著的准确性提升.
PDF2 years ago
EMNLP从相关的对话任务中学习端到端的目标导向型对话
本文描述了一种基于元学习的方法，通过选择性地从相关的对话任务数据中学习，使用少量的数据以及来自相关对话任务的数据来训练神经对话系统，从而显著提高了对话任务的准确性。
PDF3 years ago
神经机器翻译的领域控制
通过对多个领域进行翻译的唯一神经网络在运行时进行的域控制技术，生成的神经机器翻译模型不需要针对每个领域重新估算模型参数，为真实使用场景提供了一种有效的方法，且无论是针对任何一个领域还是针对未知域的数据翻译，本文所提出的新技术都显示了质量的提
PDF8 years ago