Zobrazeno 1 - 8
of 8
pro vyhledávání: '"Sevim, Nurullah"'
The advent of Large Language Models (LLMs) has revolutionized language understanding and human-like text generation, drawing interest from many other fields with this question in mind: What else are the LLMs capable of? Despite their widespread adopt
Externí odkaz:
http://arxiv.org/abs/2405.13356
Transformer-based language models utilize the attention mechanism for substantial performance improvements in almost all natural language processing (NLP) tasks. Similar attention structures are also extensively studied in several other areas. Althou
Externí odkaz:
http://arxiv.org/abs/2209.12816
Autor:
Çabuk, Tuğçe, Sevim, Nurullah, Mutlu, Emre, Yağcıoğlu, A. Elif Anıl, Koç, Aykut, Toulopoulou, Timothea
Publikováno v:
In Schizophrenia Research April 2024 266:183-189
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:
Sevim, Nurullah, Koç, Aykut
Publikováno v:
IEEE Signal Processing and Communications Applications (SIU)
Conference Name: 2021 29th Signal Processing and Communications Applications Conference (SIU) Date of Conference: 9-11 June 2021 Doğal Dil İşleme uygulamalarında cinsiyetçi ön yargının incelenmesi, olası bir cinsiyetçi yaklaşımın olumsuz
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od______3533::e37b3bbeeba3eb4059bfef30bd0e68d2
https://hdl.handle.net/11693/76906
https://hdl.handle.net/11693/76906
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Natural Language Engineering
Word embeddings have become important building blocks that are used profoundly in natural language processing (NLP). Despite their several advantages, word embeddings can unintentionally accommodate some gender- and ethnicity-based biases that are pr
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::fd3f44896156426fe16a9c102217712f
https://hdl.handle.net/11693/111389
https://hdl.handle.net/11693/111389