68T50」カテゴリーアーカイブ

GATE: Graph-based Adaptive Tool Evolution Across Diverse Tasks

要約 大規模な言語モデル(LLM)はツール作成に大きな期待を示していますが、既存 … 続きを読む

カテゴリー: 68T50, cs.CL, I.2.7 | コメントする

Evaluating Large Language Models for Public Health Classification and Extraction Tasks

要約 大規模な言語モデル(LLM)の進歩は、公衆衛生を含むさまざまなドメインにわ … 続きを読む

カテゴリー: 68T50, cs.CL, cs.LG | コメントする

Evaluating Input Feature Explanations through a Unified Diagnostic Evaluation Framework

要約 機械学習モデルの意思決定プロセスを説明することは、エンドユーザーの信頼性と … 続きを読む

カテゴリー: 68T50, cs.CL, I.2.7 | コメントする

Aligning Black-box Language Models with Human Judgments

要約 大規模な言語モデル(LLM)は、推奨システム、検索エンジン、およびその他の … 続きを読む

カテゴリー: 68T50, cs.AI, cs.CL, cs.LG, I.2.7 | コメントする

ERASMO: Leveraging Large Language Models for Enhanced Clustering Segmentation

要約 クラスター分析は、マーケティングにおける顧客セグメンテーションなど、様々な … 続きを読む

カテゴリー: 68T01, 68T50, cs.AI, cs.CL | ERASMO: Leveraging Large Language Models for Enhanced Clustering Segmentation はコメントを受け付けていません

A Review on Knowledge Graphs for Healthcare: Resources, Applications, and Promises

要約 本総説は、ヘルスケア知識グラフ(HKG)の現状を概観し、その構築、利用モデ … 続きを読む

カテゴリー: 68T09, 68T30, 68T50, cs.AI, cs.CL, cs.LG, cs.SI, I.2.4 | A Review on Knowledge Graphs for Healthcare: Resources, Applications, and Promises はコメントを受け付けていません

TIS-DPO: Token-level Importance Sampling for Direct Preference Optimization With Estimated Weights

要約 直接選好最適化(Direct Preference Optimizatio … 続きを読む

カテゴリー: 68T50, cs.CL, I.2.7 | TIS-DPO: Token-level Importance Sampling for Direct Preference Optimization With Estimated Weights はコメントを受け付けていません

EvidenceMap: Learning Evidence Analysis to Unleash the Power of Small Language Models for Biomedical Question Answering

要約 生物医学の領域で専門的な質問に対処するとき、人間は通常、複数の情報を証拠と … 続きを読む

カテゴリー: 68T50, cs.AI, cs.CL | EvidenceMap: Learning Evidence Analysis to Unleash the Power of Small Language Models for Biomedical Question Answering はコメントを受け付けていません

SAGED: A Holistic Bias-Benchmarking Pipeline for Language Models with Customisable Fairness Calibration

要約 偏りのない大規模な言語モデルの開発は、重要なものとして広く認識されています … 続きを読む

カテゴリー: 68T50, cs.CL, F.4.2 | SAGED: A Holistic Bias-Benchmarking Pipeline for Language Models with Customisable Fairness Calibration はコメントを受け付けていません

Can Watermarked LLMs be Identified by Users via Crafted Prompts?

要約 大規模な言語モデル(LLMS)のテキスト透かしは、LLM出力の検出と誤用の … 続きを読む

カテゴリー: 68T50, cs.CL, cs.CR, I.2.7 | Can Watermarked LLMs be Identified by Users via Crafted Prompts? はコメントを受け付けていません