“metin sınıflandırma” için sonuçlar
5 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay Zeka İçin Otomatik Komut Üretimi: PRL Yöntemi Geliştirild
Büyük dil modellerinin performansını artırmak için etkili komutlar (prompt) tasarlamak büyük bir zorluk teşkil ediyordu. Araştırmacılar, pekiştirmeli öğrenme tabanlı yeni bir yöntem olan PRL'yi geliştirerek bu soruna çözüm ürettiler. Bu sistem, insan uzmanlarının bile fark etmediği ince semantik ipuçlarını kullanarak otomatik olarak etkili komutlar oluşturabiliyor. PRL, metin sınıflandırma, sadeleştirme ve özetleme gibi farklı görevlerde mevcut yöntemleri geride bırakarak yeni bir başarı standardı belirledi. Özellikle sınıflandırma görevlerinde önceki yöntemlerden %2,58 daha iyi sonuçlar elde etti. Bu gelişme, yapay zekanın daha etkili kullanımı için önemli bir adım sayılıyor.
RACE Attention: Milyonlarca Token'lık Metinleri İşleyebilen Yeni AI Modeli
Araştırmacılar, mevcut yapay zeka modellerinin en büyük sınırlamalarından birini aştı. Geleneksel attention mekanizmaları uzun metinlerde çok yavaş kalırken, yeni geliştirilen RACE Attention sistemi milyonlarca kelimelik metinleri doğrusal zamanda işleyebiliyor. Mevcut sistemler 4 milyon kelimeyi aştığında çökürken, bu yeni yaklaşım matematiksel optimizasyonlar sayesinde çok daha hızlı çalışıyor. Dil modelleme, metin sınıflandırma ve görüntü işleme testlerinde mevcut yöntemlere eşdeğer performans gösteriyor. Bu gelişme, uzun dökümanları analiz eden, kitap boyutundaki metinlerle çalışan veya kapsamlı araştırma yapan AI sistemleri için önemli bir adım.
Yapay zeka öğrenci sesindeki alarm işaretlerini tespit edebiliyor
Araştırmacılar, öğrencilerin sözlü yanıtlarından endişe verici durumları tespit edebilen hibrit bir yapay zeka sistemi geliştirdi. Sistem, hem konuşmanın içeriğini hem de ses tonunu analiz ederek, psikolojik sıkıntı yaşayan öğrencileri erken fark edebiliyor. Bu teknoloji, otomatik sözlü değerlendirme sistemlerindeki kritik güvenlik açığını kapatmayı hedefliyor. Geliştirilen çift katmanlı yaklaşım, metin tabanlı sınıflandırıcı ile ses tabanlı prosodik analizi birleştirerek, geleneksel sistemlerden daha başarılı sonuçlar elde ediyor. Uzmanlar, zamanında müdahalenin hayat kurtarıcı olabileceği durumlarda bu sistemin insan değerlendirme sürecini hızlandırabileceğini belirtiyor.
Yapay Zeka Artık Kardeş Kavramları Birbirinden Ayırt Edebiliyor
Araştırmacılar, az veriyle hiyerarşik metin sınıflandırması yapabilen yeni bir yapay zeka yöntemi geliştirdi. SCHK-HTC adı verilen bu sistem, benzer kavramları birbirinden ayırt etmede büyük ilerleme kaydediyor. Geleneksel yöntemler sadece ana kategori-alt kategori ilişkilerini korumaya odaklanırken, yeni sistem aynı seviyedeki benzer kategoriler arasındaki ince farkları da algılayabiliyor. Bu gelişme, sınırlı eğitim verisiyle çalışan yapay zeka sistemlerinin performansını önemli ölçüde artırıyor ve doğal dil işleme alanında önemli bir adım teşkil ediyor.
Yapay Zeka Artık 'Bilmiyorum' Diyebiliyor: Metin Sınıflandırmada Belirsizlik Tahmini
Araştırmacılar, yapay zeka sistemlerinin metin sınıflandırmasında belirsizliklerini tahmin edebilmesi için yeni bir yöntem geliştirdi. HolUE adlı bu yaklaşım, sistemin ne zaman hata yapabileceğini önceden tahmin ederek, bilinmeyen durumlarla karşılaştığında 'bilmiyorum' diyebilmesini sağlıyor. Yöntem, iki temel belirsizlik kaynağını ele alıyor: kullanıcının belirsiz sorularından kaynaklanan 'metin belirsizliği' ve veri dağılımındaki belirsizliklerden kaynaklanan 'galeri belirsizliği'. Test sonuçları oldukça etkileyici - farklı veri setlerinde mevcut yöntemlere göre %40 ile %365 arasında iyileşme sağlandı. Bu gelişme, özellikle güvenilir yapay zeka sistemleri için kritik önem taşıyor.