会员服务
大语言模型是基于海量文本数据训练的深度学习模型。它不仅能够生成自然语言文本，还能够深入理解文本含义，处理各种自然语言任务，如文本摘要、问答、翻译等。2023年，大语言模型及其在人工智能领域的应用已成为全球科技研究的热点，其在规模上的增长尤为引人注目，参数量已从最初的十几亿跃升到如今的一万亿。参数量的提升使得模型能够更加精细地捕捉人类语言微妙之处，更加深入地理解人类语言的复杂性。在过去的一年里，大语言模型在吸纳新知识、分解复杂任务以及图文对齐等多方面都有显著提升。随着技术的不断成熟，它将不断拓展其应用范围，为人类提供更加智能化和个性化的服务，进一步改善人们的生活和生产方式。
Translation Asymmetry in LLMs as a Data Augmentation Factor: A Case Study for 6 Romansh Language Varieties
Arxiv
0+阅读 · 3月26日
Active Hypothesis Testing under Computational Budgets with Applications to GWAS and LLM
Arxiv
0+阅读 · 4月8日
Addressing Performance Saturation for LLM RL via Precise Entropy Curve Control
Arxiv
0+阅读 · 4月29日
Large Language Models in Teaching and Learning: Reflections on Implementing an AI Chatbot in Higher Education
Arxiv
0+阅读 · 3月18日
Evaluating the Reliability and Fidelity of Automated Judgment Systems of Large Language Models
Arxiv
0+阅读 · 3月23日
$λ_A$: A Typed Lambda Calculus for LLM Agent Composition
Arxiv
0+阅读 · 4月13日
DuET: Dual Execution for Test Output Prediction with Generated Code and Pseudocode
Arxiv
0+阅读 · 4月13日
$λ_A$: A Typed Lambda Calculus for LLM Agent Composition
Arxiv
0+阅读 · 4月14日
Attention-Aligned Reasoning for Large Language Models
Arxiv
0+阅读 · 3月27日
The Path Not Taken: Duality in Reasoning about Program Execution
Arxiv
0+阅读 · 4月22日
The Reasoning Trap: How Enhancing LLM Reasoning Amplifies Tool Hallucination
Arxiv
0+阅读 · 4月17日
Mechanistic Circuit-Based Knowledge Editing in Large Language Models
Arxiv
0+阅读 · 4月7日
RLM-on-KG: Heuristics First, LLMs When Needed: Adaptive Retrieval Control over Mention Graphs for Scattered Evidence
Arxiv
0+阅读 · 4月18日
Periodic Asynchrony: An On-Policy Approach for Accelerating LLM Reinforcement Learning
Arxiv
0+阅读 · 4月28日
RedTopic: Toward Topic-Diverse Red Teaming of Large Language Models
Arxiv
0+阅读 · 3月24日
参考链接
微信扫码咨询专知VIP会员
Top