-
最近の投稿
- FEAST: A Flexible Mealtime-Assistance System Towards In-the-Wild Personalization
- Time-Optimized Safe Navigation in Unstructured Environments through Learning Based Depth Completion
- Advances in Compliance Detection: Novel Models Using Vision-Based Tactile Sensors
- Mass-Adaptive Admittance Control for Robotic Manipulators
- DreamGen: Unlocking Generalization in Robot Learning through Video World Models
-
最近のコメント
表示できるコメントはありません。 cs.AI (39879) cs.CL (30187) cs.CV (45175) cs.HC (3051) cs.LG (44808) cs.RO (23879) cs.SY (3632) eess.IV (5170) eess.SY (3624) stat.ML (5830)
月別アーカイブ: 2024年7月
Educational Personalized Learning Path Planning with Large Language Models
要約 教育パーソナライズされた学習パス プランニング (PLPP) は、学習体験 … 続きを読む
カテゴリー: cs.CL
Educational Personalized Learning Path Planning with Large Language Models はコメントを受け付けていません
PipeInfer: Accelerating LLM Inference using Asynchronous Pipelined Speculation
要約 最近では、コンピューター クラスター全体にわたる大規模言語モデル (LLM … 続きを読む
LoFTI: Localization and Factuality Transfer to Indian Locales
要約 大規模言語モデル (LLM) は、インターネットからクロールされた大規模な … 続きを読む
Evaluating Task-Oriented Dialogue Consistency through Constraint Satisfaction
要約 タスク指向の対話では、対話自体の中で一貫性を維持し、ターン全体で論理的な一 … 続きを読む
A Novel Lexicon for the Moral Foundation of Liberty
要約 自由の道徳的価値は、ワクチンへの躊躇、気候変動、中絶の権利など、物議を醸す … 続きを読む
カテゴリー: cs.CL
A Novel Lexicon for the Moral Foundation of Liberty はコメントを受け付けていません
Fine-grained Hallucination Detection and Mitigation in Long-form Question Answering
要約 長文質問応答 (LFQA) は、複雑な質問に対して徹底的かつ詳細な回答を提 … 続きを読む
カテゴリー: cs.CL
Fine-grained Hallucination Detection and Mitigation in Long-form Question Answering はコメントを受け付けていません
sPhinX: Sample Efficient Multilingual Instruction Fine-Tuning Through N-shot Guided Prompting
要約 英語における LLM の目覚ましい成功にもかかわらず、英語以外の言語ではパ … 続きを読む
カテゴリー: cs.CL
sPhinX: Sample Efficient Multilingual Instruction Fine-Tuning Through N-shot Guided Prompting はコメントを受け付けていません
LMExplainer: Grounding Knowledge and Explaining Language Models
要約 GPT-4 のような言語モデル (LM) は AI アプリケーションにおい … 続きを読む
カテゴリー: cs.CL
LMExplainer: Grounding Knowledge and Explaining Language Models はコメントを受け付けていません
NeedleBench: Can LLMs Do Retrieval and Reasoning in 1 Million Context Window?
要約 大規模言語モデル (LLM) の長いコンテキスト機能を評価する場合、元の長 … 続きを読む
カテゴリー: cs.CL
NeedleBench: Can LLMs Do Retrieval and Reasoning in 1 Million Context Window? はコメントを受け付けていません
Diffusion-based Graph Generative Methods
要約 最も最先端の生成手法である拡散手法は、幅広い生成タスクにおいて大きな進歩を … 続きを読む