COMI-LINGUA: Expert Annotated Large-Scale Dataset for Multitask NLP in Hindi-English Code-Mixing
机构 * LINGO Research Group, Indian Institute of Technology Gandhinagar(LINGO研究组、印度理工学院冈丁纳格尔)
专题命中 评测与基准 :prompting(abstract);分类 cs.CL、cs.AI
AI 大模型
大语言模型、预训练、指令微调、后训练和语言模型应用。
机构 * LINGO Research Group, Indian Institute of Technology Gandhinagar(LINGO研究组、印度理工学院冈丁纳格尔)
专题命中 评测与基准 :prompting(abstract);分类 cs.CL、cs.AI
机构 * Williams College(威廉姆斯学院)
专题命中 评测与基准 :LLM(abstract);分类 cs.CL
专题命中 评测与基准 :LLM(abstract);分类 cs.AI
机构 * Netflix, Inc.(Netflix公司) ; Johns Hopkins University(约翰霍普金斯大学)
专题命中 评测与基准 :language model(abstract)
Comments 11 pages, 5 figures, 5 tables
机构 * Australian Institute for Machine Learning, University of Adelaide(澳大利亚机器学习研究所,阿德莱德大学) ; Stony Brook University(石溪大学)
专题命中 评测与基准 :language model(abstract)
专题命中 评测与基准 :foundation model(abstract)
机构 * Georgia Institute of Technology(佐治亚理工学院)
专题命中 评测与基准 :foundation model(abstract)
Comments under review
机构 * The University of Tokyo(东京大学) ; Riken(理化学研究所)
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
Comments To appear in Proceedings of the 16th International Conference on Computational Semantics (IWCS 2025)
机构 * CyberAgent / Tokyo, Japan(CyberAgent)
专题命中 效率与部署 :language model(title,abstract);large language model(abstract);preference optimization(abstract);分类 cs.CL、cs.AI、cs.LG
Comments EMNLP Findings, 2025
机构 * School of EECS, Peking University(电子工程系,北京大学) ; School of Integrated Circuits, Peking University(集成电路学院,北京大学) ; Department of Electrical and Computer Engineering, The University of Texas at Austin(电气与计算机工程系,德克萨斯大学奥斯汀分校) ; Institute for Artificial Intelligence, Peking University(人工智能研究院,北京大学)
专题命中 效率与部署 :LLM(title,abstract);large language model(abstract);language model(abstract);分类 cs.LG
专题命中 效率与部署 :LLM(title,abstract);large language model(abstract);language model(abstract)
专题命中 效率与部署 :LLM(title,abstract);large language model(abstract);language model(abstract)
专题命中 效率与部署 :LLM(title,abstract);large language model(abstract);language model(abstract)
专题命中 效率与部署 :LLM(title,abstract);large language model(abstract);language model(abstract)
Comments Accepted by the 24th IEEE International Conference on Machine Learning and Applications (ICMLA'25)
机构 * University of Manchester(曼彻斯特大学) ; Amazon(亚马逊) ; Microsoft(微软) ; Meta
专题命中 效率与部署 :LLM(title);large language model(abstract);language model(abstract);分类 cs.AI、cs.LG
Comments 69 pages, 10 figures. Preprint
机构 * Dept. Informatics, Systems and Communication, University of Milan-Bicocca(信息学、系统与通信系,米兰-比科卡大学)
专题命中 效率与部署 :LLM(title,abstract);prompting(abstract);分类 cs.AI
机构 * Peking University(北京大学) ; The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳)) ; Shanghai Jiaotong University(上海交通大学) ; Fudan University(复旦大学) ; Shanghai Artificial Intelligence Laboratory(上海人工智能实验室)
专题命中 效率与部署 :foundation model(title,abstract)
机构 * Nanyang Technological University(南洋理工大学)
专题命中 效率与部署 :LLM(abstract);large language model(abstract);language model(abstract);分类 cs.AI
机构 * University of Central Florida(中央佛罗里达大学) ; Intel Corporation(英特尔公司) ; Louisiana Tech University(路易斯安那理工大学)
专题命中 效率与部署 :LLM(abstract);large language model(abstract);language model(abstract);分类 cs.AI
Comments 4 figures, 7 pages, IEEE conference template
机构 * University of Technology Sydney(悉尼技术大学) ; Tencent(腾讯) ; Beijing Jiaotong University(北京交通大学) ; Westlake University(西湖大学)
专题命中 效率与部署 :LLM(abstract);large language model(abstract);language model(abstract);分类 cs.AI
机构 * The University of Tokyo(东京大学) ; Riken(理化学研究所)
专题命中 效率与部署 :large language model(abstract);language model(abstract);分类 cs.CL
Comments In Proceedings of the 5th Workshop on Natural Logic Meets Machine Learning (NALOMA)
Journal ref Proceedings of the 5th Workshop on Natural Logic Meets Machine Learning (NALOMA), pages 18-32, 2025
机构 * Zhejiang University(浙江大学)
专题命中 效率与部署 :large language model(abstract);language model(abstract);分类 cs.AI
机构 * NTU Singapore(新加坡国立大学) ; KTH Royal Institute of Technology(皇家理工学院) ; Microsoft(微软公司)
专题命中 效率与部署 :LLM(abstract);分类 cs.CL、cs.AI、cs.LG
Comments Accepted by EMNLP 2025 (Oral), 9 pages
专题命中 效率与部署 :large language model(abstract);language model(abstract)
Comments Accepted to the 25th International Society for Music Information Retrieval Conference (ISMIR 2024)
专题命中 效率与部署 :LLM(abstract);分类 cs.CL
机构 * Mila ; Université de Montréal(蒙特利尔大学) ; University of Washington(华盛顿大学) ; The University of Hong Kong(香港大学) ; Microsoft(微软) ; NVIDIA(英伟达)
专题命中 效率与部署 :language model(abstract);分类 cs.LG
Comments Accepted to TMLR
专题命中 效率与部署 :LLM(abstract)
机构 * Keio University(keio大学)
专题命中 效率与部署 :foundation model(abstract)
Comments Published in Advanced Robotics
专题命中 效率与部署 :foundation model(abstract)
专题命中 效率与部署 :language model(abstract)
Comments 23 pages