GoDavaii s'attaque au défi technologique de l'IA en santé en Inde, en se concentrant sur la compréhension des descriptions de santé dans 22 langues locales avec leurs nuances culturelles. L'entreprise souligne que l'interprétation des expressions de santé culturellement spécifiques est plus complexe qu'une simple traduction, un défi souvent négligé par les IA de santé mondiales.
Ce contenu présente une méthode innovante de correspondance de contexte multi-perspective pour améliorer la compréhension automatique. La technique vise à renforcer la capacité des systèmes d'IA à comprendre des textes complexes en analysant les informations sous plusieurs angles.
Ce projet décrit un système de détection de l'engagement étudiant alimenté par l'IA, utilisant le ML, le PNL et l'analyse multimodale pour identifier les signes précoces de difficultés d'apprentissage. L'objectif est d'intervenir avant que les problèmes académiques, d'assiduité ou de comportement ne s'aggravent et n'affectent les résultats scolaires.
Cet article présente une architecture d'agent IA qui intègre de grands modèles linguistiques à l'orchestration de laboratoire. Elle permet aux scientifiques de créer et de surveiller des protocoles de laboratoire automatisés en langage naturel.
Este relatório técnico apresenta o primeiro módulo de Chronos, um Historiador de IA em desenvolvimento. Ele permite que historiadores convertam imagens digitalizadas de fontes primárias em dados através de interações em linguagem natural, adaptando e refinando fluxos de trabalho.
Este estudo explorou o uso de informações de grafos (RST e Co-referência) para sumarização de texto, descobrindo que Redes de Atenção Gráficas não melhoraram o desempenho, enquanto um Perceptron Multicamadas obteve sucesso. Adicionalmente, foi criado um novo benchmark para sumarização baseada em grafos ao anotar o dataset XSum com informações RST.
SIEVE propõe um método para aprendizado paramétrico com eficiência de amostra a partir de contexto de linguagem natural, necessitando de apenas três exemplos de consulta. Ele emprega uma pipeline de geração de dados sintéticos, SIEVE-GEN, que decompõe o contexto para gerar resultados de maior qualidade e destilar o contexto no modelo.
Este trabalho define metalinguagem e explora sua conexão com PNL e LLMs, discutindo esforços de pesquisa e dimensões de tarefas metalinguísticas. Propõe ainda uma lista de futuras direções de pesquisa pouco estudadas.
L'article propose ZeroFolio, une méthode de sélection d'algorithmes sans fonctionnalités qui utilise des embeddings de texte pré-entraînés à partir de fichiers d'instances bruts. Cette approche, ne nécessitant aucune connaissance du domaine, surpasse les méthodes traditionnelles avec des fonctionnalités conçues manuellement dans la plupart des scénarios évalués à travers divers domaines problématiques.
Cette recherche présente un système automatisé pour détecter les erreurs de dosage dans les récits d'essais cliniques, en utilisant LightGBM avec une ingénierie de fonctionnalités multimodale. L'approche combine le PNL traditionnel, les embeddings sémantiques, les motifs médicaux et les scores de transformateurs pour atteindre une ROC-AUC élevée sur un ensemble de données déséquilibré.
Cette étude explore des stratégies d'augmentation de données pour améliorer la classification de texte basée sur des transformeurs dans l'évaluation automatique d'explications scientifiques d'élèves, s'attaquant au déséquilibre des classes. Elle évalue des méthodes telles que les réponses générées par GPT-4, EASE et ALP par rapport à une base de référence SciBERT, utilisant un ensemble de données de 1 466 réponses de lycéens.
MedStruct-S est un nouveau benchmark pour l'extraction d'informations semi-structurées à partir de rapports cliniques dérivés de l'OCR, s'attaquant aux défis des représentations de clés hétérogènes et du bruit de l'OCR. Il vise à évaluer la robustesse des modèles dans des scénarios réels pour la découverte de clés, le QA conditionné par les clés et l'extraction de paires clé-valeur.
Cette recherche étudie l'utilisation de la déviation géométrique des états cachés des LLM comme signal de pré-génération pour indiquer quand une requête dépasse les connaissances du modèle. Il a été constaté que ce signal fonctionne bien pour les requêtes mathématiques non répondables, mais pas pour les requêtes factuelles.
Cette étude examine comment les grands modèles de langage (LLM) traitent mécaniquement la négation, révélant que même les modèles open-source possèdent des composants internes pour un traitement correct de la négation, malgré leurs erreurs fréquentes. Leur faible précision est attribuée à une attention des couches tardives qui favorise des raccourcis simples, et les modèles mettent en œuvre à la fois l'attention aux phrases niées et la construction directe de représentations de phrases négatives.
S^2tory est un cadre d'IA basé sur la narratologie conçu pour la synthèse de scénarios de films, qui aborde la complexité des récits non linéaires en identifiant les "noyaux de l'intrigue" grâce aux trajectoires de développement des personnages. Il utilise un Agent Expert Narratif pour distiller des connaissances, qui conditionne ensuite un modèle pour identifier les points essentiels de l'intrigue afin de générer le résumé.
Ce contenu propose un guide pratique pour construire un tokeniseur GPT, détaillant les étapes et les concepts fondamentaux impliqués. Il explore comment les modèles GPT traitent le texte, le convertissant en unités plus petites pour l'analyse.
Ce contenu explore comment utiliser l'intelligence artificielle, en particulier les Large Language Models (LLMs), pour la pratique ancienne de la lecture attentive. Il détaille des expériences et des approches pour appliquer l'IA à cette forme d'art traditionnelle.
O BDI-Kit é uma ferramenta que aborda a harmonização de dados, superando a heterogeneidade em esquemas e valores. Ele oferece uma API Python para pipelines programáticos e uma interface de chat assistida por IA para especialistas, permitindo explorar, validar e refinar correspondências de dados de forma iterativa.
L'IA de santé conçue principalement en anglais échoue à traiter les requêtes médicales en langues comme le bengali, offrant des conseils inappropriés. En revanche, GoDavaii raisonne nativement dans 22 langues indiennes, fournissant des conseils médicaux précis et culturellement pertinents.
L'IA multimodale, intégrant diverses sources de données telles que la vision et le langage, gagne du terrain grâce à la numérisation croissante et à ses applications variées dans plusieurs secteurs. Cependant, un défi majeur demeure la fusion efficace de types de données disparates avec des exigences de traitement distinctes.