2026 papers
Dit artikel schetst het landschap van veiligheidsproblemen voor end-to-end conversatie-AI, presenteert een raamwerk voor verantwoord vrijgeven van modellen op basis van waardegevoelig ontwerp, en levert een toolkit voor betere beslissingen bij training en release.
Dit paper introduceert BERT, een nieuw taalmodel dat diepe bidirectionele representaties pre-traint op ongelabelde tekst en vervolgens met minimale aanpassingen state-of-the-art resultaten behaalt op diverse natuurlijke taalverwerkingstaken.
Dit paper introduceert de Transformer, een nieuw netwerkarchitectuur dat uitsluitend op attentiemechanismen is gebaseerd en recurrente en convolutie-neuronale netwerken vervangt, wat resulteert in superieure vertaalkwaliteit, snellere training en betere schaalbaarheid.
De auteurs presenteren twee nieuwe modelarchitecturen die efficiënt hoogwaardige woordvectoren leren van zeer grote datasets met aanzienlijk lagere rekentijd dan eerdere methoden, terwijl ze state-of-the-art prestaties behalen op zowel semantische als syntactische vergelijkingsopdrachten.