Zobrazeno 1 - 10
of 1 102
pro vyhledávání: '"Kiefel, P"'
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Kiefel, Justin, Shah, Shrey
In this work, we introduce LokiLM, a 1.4B parameter large language model trained on 500B tokens. Our model performs strongly in natural language reasoning tasks and achieves state-of-the-art performance among models with 1.5B parameters or less. Loki
Externí odkaz:
http://arxiv.org/abs/2407.07370
Publikováno v:
Australian Law Journal; Dec2023, Vol. 97 Issue 12, p865-866, 2p
Autor:
Philipp Ernst, Katharina Maria Saur, Robert Kiefel, Paul-Joachim Niehoff, Ronja Weskott, Jochen Büchs, Andreas Jupke, Nick Wierckx
Publikováno v:
Biotechnology for Biofuels and Bioproducts, Vol 17, Iss 1, Pp 1-11 (2024)
Abstract Background Itaconic acid is a promising bio-based building block for the synthesis of polymers, plastics, fibers and other materials. In recent years, Ustilago cynodontis has emerged as an additional itaconate producing non-conventional yeas
Externí odkaz:
https://doaj.org/article/ca1f59b9fbef471fa0b00e27a23ecf26
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Darren C. Holland, Dale W. Prebble, Mark J. Calcott, Wayne A. Schroder, Francesca Ferretti, Aaron Lock, Vicky M. Avery, Milton J. Kiefel, Anthony R. Carroll
Publikováno v:
Molecules, Vol 29, Iss 15, p 3648 (2024)
Marine natural products (MNPs) continue to be tested primarily in cellular toxicity assays, both mammalian and microbial, despite most being inactive at concentrations relevant to drug discovery. These MNPs become missed opportunities and represent a
Externí odkaz:
https://doaj.org/article/f89cc53b0fe941b8a953a64e5fcc6f23
Autor:
Wisotzky Eric L., Renz-Kiefel Lasse, Beckmann Sophie, Lünse Sebastian, Mantke René, Hilsmann Anna, Eisert Peter
Publikováno v:
Current Directions in Biomedical Engineering, Vol 9, Iss 1, Pp 315-318 (2023)
Surgical phase recognition is an important aspect of surgical workflow analysis, as it allows an automatic analysis of the performance and efficiency of surgical procedures. A big challenge for training a neural network for surgical phase recognition
Externí odkaz:
https://doaj.org/article/c68dd0c0adef48cd8318a731a0444675
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.