Skip to main content Skip to main navigation

Projekt | NoIDLEChatGPT

Laufzeit:
No-IDLE meets ChatGPT

No-IDLE meets ChatGPT

Das Projekt "No-IDLE meets ChatGPT" zielt darauf ab, die Mensch-Maschine-Interaktion bei der Aktualisierung von Deep-Learning-Modellen (DL) zu verbessern, indem die Mensch-Computer-Interaktion (HCI) mit dem maschinellen Lernen (ML) verbunden wird. Es führt einen neuen Aspekt ein, bei dem ChatGPT und andere große Sprachmodelle (LLMs) in die interaktive Erstellung von Fotobüchern integriert werden, um ihre Fähigkeiten bei der Bildsuche, der Beschriftung und bei Erkennungsaufgaben zu testen. Der Vorschlag erforscht, wie LLMs, einschließlich GPT-4, zu einem besseren Verständnis von Szenen und zu vernünftigen Schlussfolgerungen in KI-Systemen wie No-IDLE beitragen können. Er erwähnt auch das Konzept des Automatic Prompting für LLMs und die Untersuchung anderer LLMs neben ChatGPT, wie Bard und Claude. Das Projekt zielt darauf ab, sowohl proprietäre als auch Open-Source-Modelle zu nutzen, um verschiedene Anwendungsaufgaben im Fotobuch-Kontext zu verbessern, einschließlich der cross-modalen Bild-Sprache-Suche und des visuellen Geschichtenerzählens.

Publikationen

Alle Publikationen
  1. EAGER: Enhancing Generative Event Extraction via Reinforcement Learning with Verifiable Rewards

    Omar Adjali; Siting Liang; Omair Shahzad Bhatti; Daniel Sonntag

    In: Association for Computational Linguistics (Hrsg.). Empirical Methods in Natural Language Processing. Conference on Empirical Methods in Natural Language Processing (EMNLP-2026), October 24-29, Budapest, Hungary, Vol. Findings of the Association for Computational Linguistics: EMNLP 2026, Association for Computational Linguistics, 10/2026.

Fördergeber

BMBF - Bundesministerium für Bildung und Forschung

16IW24006

BMBF - Bundesministerium für Bildung und Forschung