拒絕的藝術：語言模型中的情境不順從性
大型語言模型應該學會在特定情境下拒絕不適當的使用者請求，以確保安全性和避免傳播錯誤資訊，這需要新的分類法、評估方法和訓練策略。
거부의 미학: 언어 모델에서의 맥락적 비순응성 연구
챗 기반 언어 모델이 모든 사용자 요청에 무조건 응답하는 것이 아니라, 맥락에 따라 적절하게 거부하는 것이 중요하며, 본 논문에서는 이러한 맥락적 비순응성을 위한 분류 체계, 평가 데이터셋, 학습 전략을 제시한다.
チャットボットの拒否反応：文脈に応じた拒否反応を言語モデルに組み込む
本稿では、チャットベースの言語モデルが、安全性の観点だけでなく、ユーザー体験と信頼を損なう可能性のある、広範囲な状況において、要求に対して適切に拒否反応を示せるようにすることを提案する。
GTA：一個針對真實世界工具代理的基準測試
現有的評估工具與真實世界情境存在顯著差距，因此作者提出了 GTA，這是一個針對真實世界工具代理的基準測試，旨在評估大型語言模型在真實世界情境中使用工具的能力。
Improving the Safety and Reliability of Chat-Based Language Models by Teaching Them When Not to Answer
Language models need to be trained to identify and appropriately refuse a broad range of user requests, beyond just those deemed unsafe, to improve user experience and trust.
실제 환경에서 범용 도구 에이전트를 위한 벤치마크: GTA 소개 및 주요 LLM 모델 성능 평가
본 논문에서는 실제 사용자 쿼리, 실제 배포된 도구 및 실제 멀티모달 입력을 특징으로 하는 범용 도구 에이전트(GTA)용 벤치마크를 제안하고, 이를 통해 주요 LLM의 실제 환경에서의 문제 해결 능력을 평가합니다.
現実世界のタスクを実行可能なツールを用いて評価する、汎用ツールエージェントのためのベンチマーク：GTA
現実世界のタスクを解決するために大規模言語モデル（LLM）を様々なツールと統合することの重要性が高まっているが、既存のLLMのツール活用能力は、実際のシナリオに十分に対応できるレベルに達していない。
GTA: A Benchmark for Evaluating Tool-Use Capabilities of Large Language Models in Real-World Scenarios
Existing large language models (LLMs) struggle to effectively utilize tools in complex, real-world scenarios, highlighting the need for more robust benchmarks and evaluation metrics for tool-augmented LLMs.
AdaZeta：適用於記憶體效率大型語言模型微調的自適應零階張量訓練適配
AdaZeta 框架透過結合快速張量化適配器和自適應查詢排程，顯著提高了零階微調大型語言模型的性能和收斂性，有效解決了傳統方法的記憶體效率和散度問題。
AdaZeta: 메모리 효율적인 대규모 언어 모델 미세 조정을 위한 적응형 제로차 텐서 트레인 적응
AdaZeta 프레임워크는 텐서 트레인 분해를 통해 매개변수 효율성을 높이고 적응형 쿼리 일정을 통해 수렴성을 개선하여 제로차 미세 조정의 정확성과 효율성을 향상시킵니다.
© 2024 by Linnk AI