Parrot 是一种新方法，利用文本指导在语言级别驱动视觉令牌对齐，以增强多语言大型语言模型的多模态能力，并提供了一个大规模多语言多模态基准测试数据集（MMMB）。

Jun, 2024

利用预训练的大型语言模型作为网络安全环境中攻击代理，模拟真实网络攻击并在复杂决策任务中展现良好性能。

Aug, 2023

利用大型语言模型在软件 API 调用中的提高性能和准确性，通过编译和微调 API 结构和语法，使用条件屏蔽技术确保输出符合预期格式并减少错误率，提出了评估 LLM 在 API 互动中有效性的新基准，并证明了 fine-tuned 模型 Octopus 对于软件 API 调用具有比 GPT-4 更好的性能，推动自动化软件开发和 API 集成的发展，实现了 LLM 能力与实际软件工程应用需求的实质性进展。

Apr, 2024

通过引入 Parrot，一种具有高可扩展性的解决方案，我们在多轮对话中自动生成高质量的指导语料，并利用这些语料来提高聊天模型在多轮对话中的效果。

Oct, 2023

通过引入层级分布式的大型语言模型（LLM）架构，提高 LLM 在异构计算平台上的可访问性和可部署性，实现按需访问和定制化服务，并在用户与应用需求之间取得最佳权衡，推动人工智能技术的进步。

Jan, 2024

大规模语言模型 (LLMs) 无法成为因果模型，但可能在其数据中展现变量间因果事实的一个新的子组模型。实证分析提供了有利证据，表明当前的 LLMs 更像是弱的 ' 因果鹦鹉 '。

Aug, 2023

这篇论文介绍了语义路由，以实现在 LLM 辅助下的 5G 核心网络的基于意图的管理和编排，通过建立一个端到端的意图提取框架，并提供一个多样化的样本用户意图数据集以及对编码器和量化对系统整体性能的影响的全面分析，结果显示使用语义路由器相较于独立的 LLMs 与提示架构相比，能提高 LLM 部署的准确性和效率。

Apr, 2024

提出了基于开源 LLMS（LLaMA-7b）和人工翻译评估数据的 ParroT 框架，该框架通过重新规划翻译数据到遵循指令的风格，并引入 “提示” 字段，以调节翻译过程。通过 Finetuning ParroT 模型的三种指令类型，包括翻译指令、对比指令和误差引导指令，实验结果显示翻译指令可以显着提高香草 LLMS 的翻译性能，而误差引导指令则进一步改善了翻译性能，并展示了从人工注释的低质量翻译中学习的重要性。同时，ParroT 模型也可以通过包含多任务数据集 Alpaca 的精调任务中保持其对通用任务的能力。

Apr, 2023

本文介绍了由肯塔基大学应用人工智能中心开发的一种用户友好的平台，旨在提高大型定制化语言模型（LLMs）的可用性。通过利用最近在多 LoRA 推理方面的进展，该系统有效地适应了各种用户和项目的定制适配器。该论文概述了系统的体系结构和主要特点，包括数据集筛选、模型训练、安全推理和基于文本的特征提取。

Feb, 2024

用自然语言操控无人机不仅用户友好，还为新兴的语言代理控制无人机打开了大门。使用基于边缘视觉智能、新颖的编程语言设计和提示工程的系统 TypeFly，通过组合任务和场景描述，TypeFly 利用云端大型语言模型服务以一种小型自定义语言 MiniSpec 编写程序，在执行过程中还能利用查询技巧与语言模型进行交互，从而显著降低了 LLM 服务成本和任务执行时间，并大大提高了复杂任务的成功率。

Dec, 2023