Hyacinth6B: Ein leistungsstarkes Modell für die traditionelle chinesische Sprache
Hyacinth6B ist ein leistungsstarkes Großsprachmodell für die traditionelle chinesische Sprache, das durch effizientes Fine-Tuning unter Verwendung der Low-Rank Adaptation (LoRA)-Methode entwickelt wurde. Es zeigt vielversprechende Ergebnisse in verschiedenen Benchmarks und übertrifft teilweise sogar ChatGPT.
Epistemologie von Sprachmodellen: Besitzen Sprachmodelle ganzheitliches Wissen?
Sprachmodelle zeigen in bestimmten Kontexten eine Präferenz für das Erklären atypischer Beobachtungen durch Erwähnung peripherer Aussagen anstatt das allgemeine Wissen direkt zu negieren. In anderen Kontexten bevorzugen sie jedoch die Modifikation von Kernwissen anstatt die Beobachtung anzupassen.
Umfassende Bewertung chinesischer Großsprachmodelle: Leistungsfähigkeit, Ausrichtung und Sicherheit
OpenEval ist eine umfassende Evaluierungsplattform für chinesische Großsprachmodelle, die deren Leistungsfähigkeit, Ausrichtung an menschlichen Werten und Sicherheit bewertet.
Selbstwidersprüchliche Halluzinationen von großen Sprachmodellen: Bewertung, Erkennung und Abmilderung
Große Sprachmodelle neigen dazu, Text mit widersprüchlichen Inhalten zu generieren. Dieser Beitrag untersucht dieses Problem umfassend, entwickelt Methoden zur Erkennung und Abmilderung von Selbstwidersprüchen und zeigt deren praktische Wirksamkeit.
Vorhersage der Intensität der emotionalen Nachahmung durch unimodale Multi-Task-Fusion
Wir präsentieren eine Methode zur Schätzung der Intensität der emotionalen Nachahmung (EMI), die auf dem Wav2Vec 2.0-Framework und einer Fusion von Audiofeatures mit globalen Kontextinformationen basiert.
Effiziente Nutzung von Retrieval-Augmented Generation und Fine-Tuning für die Entwicklung von KI-gesteuerten wissensbasierten Systemen
Die Studie zeigt, dass Retrieval-Augmented Generation (RAG) im Vergleich zu Fine-Tuning (FN) eine effizientere Methode für die Entwicklung von KI-gesteuerten wissensbasierten Systemen ist. RAG-basierte Konstruktionen übertreffen FN-Modelle im Durchschnitt um 16% beim ROUGE-Score, 15% beim BLEU-Score und 53% bei der Cosinus-Ähnlichkeit, was auf einen deutlichen Vorteil von RAG in Bezug auf Halluzinationen hinweist.
Interaktives Lernen von sozial intelligenten Sprachagenten: SOTOPIA-π
SOTOPIA-π ist eine interaktive Lernmethode, die die soziale Intelligenz von Sprachagenten durch soziale Interaktionen verbessert, indem sie Verhaltensklonen und Selbstverstärkung auf gefilterten sozialen Interaktionsdaten basierend auf Bewertungen großer Sprachmodelle (LLM) nutzt.
Anonyme Crowd-Sourcing-Plattform zur personalisierten Bewertung großer Sprachmodelle
Eine anonyme Crowd-Sourcing-Plattform, die sowohl zentralisierte als auch dezentralisierte Bewertungen großer Sprachmodelle ermöglicht und dabei personalisierte Faktoren berücksichtigt, um ein umfassendes Verständnis ihrer Fähigkeiten zu erlangen.
© 2024 by Linnk AI