Onderzoekers van Georgia Tech ontwikkelden een goedkopere en snellere manier om een tweebenige robot te leren lopen op ongelijk terrein. Ze testten de methode in simulatie en op een echte robot op verschillende ondergronden.
Foto door julien Tromeur, Unsplash
Onderzoekers testten of moderne taalmodellen echte wereldkennis hebben. Ze vonden interne vectoren die plausibiliteitscategorieën weerspiegelen en die overeenkomen met menselijke oordelen, met mogelijke gevolgen voor betere betrouwbaarheid van modellen.
Onderzoekers van de University of Chicago en partners onderzochten waarom grote taalmodellen twee viercijferige getallen slecht vermenigvuldigen. Een nieuwe trainingsmethode (ICoT) liet modellen tussentijdse waarden onthouden en verbeterde de nauwkeurigheid sterk.
Geen extra artikelen