cs.CL」カテゴリーアーカイブ

O1 Embedder: Let Retrievers Think Before Action

要約 大規模な言語モデル(LLMS)の成長力は、人々が情報にアクセスし、利用する … 続きを読む

カテゴリー: cs.CL | O1 Embedder: Let Retrievers Think Before Action はコメントを受け付けていません

GATEAU: Selecting Influential Samples for Long Context Alignment

要約 非常に長いコンテキストで命令を処理するために大きな言語モデルを調整すること … 続きを読む

カテゴリー: cs.AI, cs.CL | GATEAU: Selecting Influential Samples for Long Context Alignment はコメントを受け付けていません

Auto-Drafting Police Reports from Noisy ASR Outputs: A Trust-Centered LLM Approach

要約 法律の信頼を促進することと、役員と民間人の両方の権利を保護することとの微妙 … 続きを読む

カテゴリー: cs.CL | Auto-Drafting Police Reports from Noisy ASR Outputs: A Trust-Centered LLM Approach はコメントを受け付けていません

TRAVEL: Training-Free Retrieval and Alignment for Vision-and-Language Navigation

要約 この作業では、最先端の大型言語モデル(LLM)とビジョン言語モデル(VLM … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG, cs.RO | TRAVEL: Training-Free Retrieval and Alignment for Vision-and-Language Navigation はコメントを受け付けていません

Unsupervised Translation of Emergent Communication

要約 Emergent Communication(EC)は、エージェントが共有 … 続きを読む

カテゴリー: cs.AI, cs.CL | Unsupervised Translation of Emergent Communication はコメントを受け付けていません

O1 Embedder: Let Retrievers Think Before Action

要約 大規模な言語モデル(LLMS)の成長力は、人々が情報にアクセスし、利用する … 続きを読む

カテゴリー: cs.CL | O1 Embedder: Let Retrievers Think Before Action はコメントを受け付けていません

LASP-2: Rethinking Sequence Parallelism for Linear Attention and Its Hybrid

要約 線形の注意などの線形シーケンスモデリングアプローチは、線形時間トレーニング … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.LG | LASP-2: Rethinking Sequence Parallelism for Linear Attention and Its Hybrid はコメントを受け付けていません

ChameleonLLM: Batch-Aware Dynamic Low-Rank Adaptation via Inference-Time Clusters

要約 大規模な言語モデル(LLMS)の最近の進歩により、多様なタスク全体で顕著な … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.LG | ChameleonLLM: Batch-Aware Dynamic Low-Rank Adaptation via Inference-Time Clusters はコメントを受け付けていません

Towards Efficient and Multifaceted Computer-assisted Pronunciation Training Leveraging Hierarchical Selective State Space Model and Decoupled Cross-entropy Loss

要約 コンピューター支援発音トレーニング(CAPT)システムの構築における事前の … 続きを読む

カテゴリー: cs.CL, eess.AS | Towards Efficient and Multifaceted Computer-assisted Pronunciation Training Leveraging Hierarchical Selective State Space Model and Decoupled Cross-entropy Loss はコメントを受け付けていません

GATEAU: Selecting Influential Samples for Long Context Alignment

要約 非常に長いコンテキストで命令を処理するために大きな言語モデルを調整すること … 続きを読む

カテゴリー: cs.AI, cs.CL | GATEAU: Selecting Influential Samples for Long Context Alignment はコメントを受け付けていません