leaderboard | BriefGPT - AI 论文速递

关键词leaderboard

搜索结果 - 7

幻觉排行榜 - 量化大型语言模型中的幻觉
该论文介绍了幻觉排行榜，一个旨在定量衡量和比较每个模型产生幻觉倾向的开放性倡议，通过一系列综合评估模型的基准测试，如准确性和忠实度等方面，涵盖了问答、摘要和阅读理解等不同任务，为研究人员和实践者指导选择最可靠的模型。
PDF3 months ago
荷兰大规模语言模型的语言资源
尽管大型语言模型的类型不断扩大，但荷兰语模型仍存在显著差距，该研究提供了一小步来改善这一状况，引入两个经过微调的 Llama 2 13B 模型变种，使用荷兰特定网络爬取数据进行微调，随后在多个合成指令和聊天数据集上进一步优化模型，同时提供数
PDF7 months ago
ECCV从无约束图像中还原头像：UnconFuse
该研究报告针对 ECCV 2022 WCPA 挑战赛中的多视角 3D 人体重建问题，基于 MVP-Human 方法进行改进，获得了官方测试集上的最高得分，并获得榜首。
PDF2 years ago
AAAI模型排名的强韧性：为平等评估量身定制的排行榜方法
本文提出了一种评估模型排行榜的方法，并通过可视化分析工具给出了可分析模型优缺点并指导模型选择，该方法可减少 41% 的模型部署开发和测试工作量。
PDF3 years ago
使用多模深度集成检测恶意模因
本研究探讨了几种最新的视觉 - 语言 Transformer 结构，提出改进措施，以使它们在检测仇恨言论的任务中更接近于人类的准确性。提出的模型明显优于基准线，并在 3100 多个参赛者中排名第 5。
PDF4 years ago
EMNLP用户观点决定效用：自然语言处理排行榜评析
本论文通过微观经济理论的视角，研究了 Leaderboard 与实际 NLP 应用之间的分歧，指出 Leaderboard 并不能很好地代表整个 NLP 社区，更透明的 Leaderboard 应该公开与实际应用相关的统计数据，如模型大小、
PDF4 years ago
MMSemEval-2019 任务 8：社区问答论坛中的事实检查
SemEval-2019 任务 8 旨在检测社区问答论坛中的事实，其中子任务 A 是判断一个问题是要求事实信息还是意见 / 建议，还是仅仅是社交。子任务 B 要求预测对事实问题的回答是真实的，假的还是不恰当的回答。该研究共收到了 17 个子
PDF5 years ago