Verifiably Robust Conformal Prediction for Improved Uncertainty Quantification Under Adversarial Attacks
This paper introduces VRCP, a novel framework that leverages conformal prediction and neural network verification to construct prediction sets that maintain coverage guarantees for machine learning models, even in the presence of adversarial attacks.
透過上下文對齊實現自我修正的理論理解
本研究探討大型語言模型 (LLM) 如何透過類似於上下文對齊的自我修正過程來提升自身能力，並證明 Transformer 模型能夠利用自我修正樣本，在上下文情境下學習並生成更優質的回應。
문맥 내 정렬을 통한 자기 교정에 대한 이론적 이해
대규모 언어 모델(LLM)은 문맥 내 정렬을 통해 자기 교정 능력을 발휘할 수 있으며, 특히 비평의 정확도가 높을수록 자기 교정의 성능이 향상된다.
A Theoretical Analysis of Self-Correction in Large Language Models through In-Context Alignment
Large language models (LLMs) can leverage self-correction to improve their alignment and performance on tasks like mitigating social bias and defending against jailbreak attacks, particularly when equipped with accurate self-criticism mechanisms.
大型語言模型與記憶：探討版權合規的品質與特殊性
訓練資料中包含受版權保護內容的大型語言模型，在生成文字時，其輸出內容在版權合規性方面存在顯著差異，需要採取特定措施來減輕潛在的侵權風險。
대규모 언어 모델의 저작권 준수: 품질 및 특수성에 관한 연구
대규모 언어 모델(LLM)은 방대한 데이터 학습 과정에서 저작권이 있는 자료를 무단으로 재생산할 수 있으며, 이는 저작권법 위반 가능성을 내포하고 있습니다. 본 연구는 LLM의 텍스트 생성 능력과 저작권 준수 간의 관계를 분석하고, 다양한 LLM 모델의 저작권 준수 수준을 평가합니다.
大規模言語モデル（LLM）と著作権侵害：著作権遵守の質と特異性に関する考察
大規模言語モデル（LLM）は、著作権で保護されたテキストをどの程度再現するか、また、モデルやデータセットによってその程度がどのように異なるかを体系的に調査した結果、LLMの著作権遵守には大きなばらつきがあり、モデルの規模が大きいほど潜在的な著作権侵害の件数は増加する傾向にあるが、著作権遵守の特異性については、必ずしも規模と相関関係があるわけではないことが明らかになった。
Quantifying and Analyzing Copyright Infringement by Large Language Models in Realistic Scenarios under European Law
Large language models vary significantly in their tendency to reproduce copyrighted text, and while model size generally correlates with higher memorization, targeted finetuning and specific design choices can significantly improve copyright compliance.
基於文本邊緣圖的鏈路預測：一種基於文件表示和自監督學習的圖神經網路方法
本文提出了一種名為 LINK2DOC 的新型鏈路預測框架，該框架通過將局部圖拓撲和語義信息轉換為結構化文檔，並利用自監督學習將大型語言模型的文本理解能力遷移到圖神經網路中，從而有效地解決了文本邊緣圖上的鏈路預測問題。
텍스트 에지 그래프에서의 링크 예측: 의미론적 유사성과 그래프 토폴로지의 통합
본 논문에서는 텍스트 에지 그래프에서 링크 예측을 수행하기 위해 그래프 토폴로지 정보를 유지하면서 노드 간의 관계를 요약하는 새로운 프레임워크인 LINK2DOC를 제안합니다.
© 2024 by Linnk AI