Sirvi Autor "Kuulmets, Hele-Andra" järgi

Nüüd näidatakse 1 - 4 4

How Well do LLMs know Finno-Ugric Languages? A Systematic Assessment
(University of Tartu Library, 2025-03) Kuulmets, Hele-Andra; Purason, Taido; Fishel, Mark; Johansson, Richard; Stymne, Sara
We present a systematic evaluation of multilingual capabilities of open large language models (LLMs), specifically focusing on five Finno-Ugric (FiU) languages. Our investigation covers multiple prompting strategies across several benchmarks and reveals that Llama-2 7B and Llama-2 13B perform weakly on most FiU languages. In contrast, Llama 3.1 models show impressive improvements, even for extremely low-resource languages such as Võro and Komi, indicating successful cross-lingual knowledge transfer inside the models. Finally, we show that stronger base models outperform weaker, language-adapted models, thus emphasizing the importance of base model in successful language adaptation.
Translated Benchmarks Can Be Misleading: the Case of Estonian Question Answering
(University of Tartu Library, 2023-05) Kuulmets, Hele-Andra; Fišhel, Mark
Tüübiklassidega funktsionaalprogrammeerimine Scalas
(2017) Kuulmets, Hele-Andra; Vesal Vojdani
Scala on Java virtuaalmasinat kasutav mitme-paradigma programmeerimiskeel,mis võimaldab omavahel kombineerida objektorienteeritud ja funktsionaalseid tehnikaid. Scala kui funktsionaalse keele miinuseks on, et selle standardteegist puuduvad funktsionaalprogrammeerijale harjumuspärased abstraktsioonid– tüübiklassid, millega saab kirjeldada erinevate tüüpide ühiseid omadusi,ilma et need peaksid pärinema samast ülemklassist. Selle puudujäägi kõrvaldamiseks on Scala jaoks loodud neid abstraktsioone sisaldav teek nimega Cats. Antud bakalaureusetöös uuriti, kuidas on viis Haskellist tuntud tüübiklassi Catsis realiseeritud ning milliste probleemide lahendamist need lihtsustavad. Selle tulemusena valminud töö kirjalik osa kujutab endast sissejuhatavat materjali tüübiklassidega funktsionaalprogrammeerimisest Scalas. Seda täiendavad harjutusülesanded ja näidisprogramm.
Word Mover's Distance algoritmil põhinevad fraasisarnasusmõõdud
(2019) Kuulmets, Hele-Andra; Sven Laur
Loomuliku keele tekstide vahelise semantilise sarnasuse mõõtmisel on oluline osa tekstide klassifitseerimisülesannete lahendamisel. Samas probleemid, mida saaks potentsiaalselt lahendada kasutades semantilise sarnasuse mõõtmist, ei põhine alati pikkadel, mitmetest lausetest koosnevatel tekstidel. Mõnikord tuleb märgendamisotsus teha ainult ühe lause või fraasi põhjal.Käesolevas töös kasutatakse tekstide sarnasuse mõõtmise meetodit Word Mover's Distance (WMD) kolme erineva probleemi lahendamisel, kus otsus tuleb teha lühikeste fraaside põhjal. Esimene probleem, milleks on puuduva sõna konteksti põhjal ennustamine, on välja mõeldud probleem, mille eesmärk on hinnata meetodi headust ja sobivust lühikestele fraasidele. Saadud tulemused on head ja näitavad, et WMD võiks sobida fraaside eraldamiseks semantilise sarnasuse põhjal. Ülejäänud kaks probleemi ilmestavad meetodi praktilisi kasutusvõimalusi. Esimesel juhul kasutatakse seda patsientide epikriisidest ravimi kõrvalmõjude tuvastamiseks. Teisel juhul rakendatakse meetodit süntaksiparseri vigade analüüsiks. Viimasel juhul on eesmärgiks ennustada fraase, mida parser ei oska õigesti märgendada. Erinevatel põhjustel, mida samuti on käesolevas töös analüüsitud, ei olnud saadud tulemused kummalgi juhul head.