Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Jodas, Danilo Samuel | - |
Autor(es): dc.creator | Garcia, Gabriel Lino | - |
Autor(es): dc.creator | Paiola, Pedro Henrique | - |
Autor(es): dc.creator | Ribeiro Manesco, João Renato | - |
Autor(es): dc.creator | Papa, João Paulo | - |
Data de aceite: dc.date.accessioned | 2025-08-21T19:13:46Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T19:13:46Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2024-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1007/978-3-031-76607-7_16 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/299715 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/299715 | - |
Descrição: dc.description | Large Language Models have emerged as transformative agents in the frequently evolving landscape of artificial intelligence, reshaping the world towards a disruptive and modern technological era. This paradigm stresses their crucial role in extending the generative capabilities in the context of natural language processing. Generative Artificial Intelligence, an innovative and cutting-edge research topic, is critical to unlocking remarkable opportunities in our era of unparalleled technological progress. Despite the remarkable progress made in language model architectures, their exponential growth still raises pertinent concerns regarding their deployment and the associated costs for retraining efforts tailored to specific tasks. We present a study achieving a detailed analysis of the impact resulting from the application of diverse quantization methodologies on an open-source large language model tailored for Portuguese classification tasks, aka Bode. Our research thoroughly evaluates the performance nuances introduced by various quantization strategies, thus providing valuable insights into the constant concerns surrounding the optimization of large language models, aiming for enhanced efficiency and effectiveness in growing applications for the Portuguese community. | - |
Descrição: dc.description | School of Sciences São Paulo State University (UNESP) | - |
Descrição: dc.description | School of Sciences São Paulo State University (UNESP) | - |
Formato: dc.format | 213-227 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Bode | - |
Palavras-chave: dc.subject | Generative Artificial Intelligence | - |
Palavras-chave: dc.subject | Large Language Models | - |
Palavras-chave: dc.subject | Natural Language Processing | - |
Palavras-chave: dc.subject | Quantization | - |
Título: dc.title | Impact of Quantization on Large Language Models for Portuguese Classification Tasks | - |
Tipo de arquivo: dc.type | aula digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: