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。
SafeGPT: Preventing Data Leakage and Unethical Outputs in Enterprise LLM Use
Arxiv
0+阅读 · 1月10日
Evaluating Accounting Reasoning Capabilities of Large Language Models
Arxiv
0+阅读 · 1月10日
SpecDetect: Simple, Fast, and Training-Free Detection of LLM-Generated Text via Spectral Analysis
Arxiv
0+阅读 · 1月12日
FROAV: A Framework for RAG Observation and Agent Verification - Lowering the Barrier to LLM Agent Research
Arxiv
0+阅读 · 1月12日
How Context Shapes Truth: Geometric Transformations of Statement-level Truth Representations in LLMs
Arxiv
0+阅读 · 1月10日
Smart Privacy Policy Assistant: An LLM-Powered System for Transparent and Actionable Privacy Notices
Arxiv
0+阅读 · 1月9日
From Alignment to Advancement: Bootstrapping Audio-Language Alignment with Synthetic Data
Arxiv
0+阅读 · 1月10日
SciIF: Benchmarking Scientific Instruction Following Towards Rigorous Scientific Intelligence
Arxiv
0+阅读 · 1月12日
Evaluation of the Automated Labeling Method for Taxonomic Nomenclature Through Prompt-Optimized Large Language Model
Arxiv
0+阅读 · 1月11日
Detecting LLM-Generated Text with Performance Guarantees
Arxiv
0+阅读 · 1月10日
The AI Cognitive Trojan Horse: How Large Language Models May Bypass Human Epistemic Vigilance
Arxiv
0+阅读 · 1月11日
EpiCaR: Knowing What You Don't Know Matters for Better Reasoning in LLMs
Arxiv
0+阅读 · 1月11日
Political Alignment in Large Language Models: A Multidimensional Audit of Psychometric Identity and Behavioral Bias
Arxiv
0+阅读 · 1月8日
DarwinTOD: LLM Driven Lifelong Self Evolution for Task Oriented Dialog Systems
Arxiv
0+阅读 · 1月12日
Deployability-Centric Infrastructure-as-Code Generation: Fail, Learn, Refine, and Succeed through LLM-Empowered DevOps Simulation
Arxiv
0+阅读 · 1月11日
参考链接
微信扫码咨询专知VIP会员
Top