Zobrazeno 1 - 10
of 11 316
pro vyhledávání: '"Labonne, A."'
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Rousselot, Nathan
Publikováno v:
Relations internationales, 2017 Jul 01(170), 9-24.
Externí odkaz:
https://www.jstor.org/stable/48611141
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Merging in a Bottle: Differentiable Adaptive Merging (DAM) and the Path from Averaging to Automation
Autor:
Gauthier-Caron, Thomas, Siriwardhana, Shamane, Stein, Elliot, Ehghaghi, Malikeh, Goddard, Charles, McQuade, Mark, Solawetz, Jacob, Labonne, Maxime
By merging models, AI systems can combine the distinct strengths of separate language models, achieving a balance between multiple capabilities without requiring substantial retraining. However, the integration process can be intricate due to differe
Externí odkaz:
http://arxiv.org/abs/2410.08371
Publikováno v:
R.A.R.E - Association Roussillonnaise d'Entomologie; 2024, Vol. 33 Issue 111, p148-152, 5p
Publikováno v:
Development (09501991). Jul2024, Vol. 151 Issue 14, p1-2. 2p.
Publikováno v:
npj Digital Medicine, Vol 7, Iss 1, Pp 1-5 (2024)
Large language models (LLMs) are increasingly applied in medical documentation and have been proposed for clinical decision support. We argue that the future for LLMs in medicine must be based on transparent and controllable open-source models. Openn
Externí odkaz:
https://doaj.org/article/363c9719182e41729d9d40676a541c47
Autor:
Gourgoulias, Kostis, Ghalyan, Najah, Labonne, Maxime, Satsangi, Yash, Moran, Sean, Sabelja, Joseph
This paper introduces an unsupervised method to estimate the class separability of text datasets from a topological point of view. Using persistent homology, we demonstrate how tracking the evolution of embedding manifolds during training can inform
Externí odkaz:
http://arxiv.org/abs/2305.15016
Autor:
Labonne, Maxime, Moran, Sean
This paper investigates the effectiveness of large language models (LLMs) in email spam detection by comparing prominent models from three distinct families: BERT-like, Sentence Transformers, and Seq2Seq. Additionally, we examine well-established mac
Externí odkaz:
http://arxiv.org/abs/2304.01238