- 大语言模型的工具学习:综述
最近,利用大型语言模型(LLMs)进行工具学习已经成为增强 LLMs 能力以解决高度复杂问题的一种有前景的范式。尽管这一领域受到越来越多关注和快速发展,但现有文献仍然零散且缺乏系统组织,对于新手来说存在进入障碍。本文通过对现有关于 LLMs - 视觉语言行为模型在具身人工智能中的调查
综合调查了深度学习、多模态模型、视觉 - 语言 - 动作模型、具身人工智能的快速发展。
- 超越思维链:LLM 的链式 X 范式综述
链状思维法(CoT)和链状 X(CoX)方法是大型语言模型(LLMs)中广泛采用的启发式方法,本文提供了对 LLMs 中 CoX 方法的全面调查,包括节点分类和应用任务,并讨论了现有 CoX 方法的结果和未来方向。
- 基于大型语言模型的代理人的记忆机制调查
大型语言模型(LLM)基于代理近年来引起了研究和行业界的广泛关注。本文提出了对 LLM 基于代理的记忆机制进行全面调查,包括记忆的定义、需要、设计、评估以及在代理应用中的重要作用,并分析了现有工作的局限性和未来方向。
- 深度学习在定理证明中的调查
该论文提供了一项深度学习在定理证明中的全面调研,包括现有方法的综述、数据集和策略的详细总结、评估指标和最先进技术的性能分析,以及未来研究的挑战和发展方向的批判性讨论。该调研旨在成为深度学习在定理证明中的基础参考,促进这个迅速发展领域的进一步 - 多语言大语言模型:资源、分类和前沿视角综述
综述多语种大规模语言模型的研究进展、新兴趋势,并提供丰富资源以促进相关研究。
- 神经网络中 400 种激活函数的综合调查:三十年的研究
本文通过一项涵盖 400 种激活函数的大规模调查,提供了先前已发表的激活函数的最全面概述和系统化,并为当前对该函数族的理解进行更新。
- 基础模型的训练和服务系统:综合调查
本文全面探讨了基础模型的训练和服务方法,提供了详细的分类,并总结了挑战和未来发展方向。通过全面的讨论和分析,为未来的研究和应用提供了坚实的理论基础和实践指导,促进基础模型系统的持续创新和发展。
- NLP 模型对追踪思路的表现:叙事理解概述
本文对叙事理解任务进行了综合调查,详细研究了其关键特征、定义、分类、相关数据集、训练目标、评估指标和局限性。此外,我们探讨了将模块化大型语言模型的能力扩展到新的叙事理解任务的潜力,并通过将叙事理解视为提取作者想象线索的方式,引入了增强叙事理 - 生成数据增强的统一框架:综合调查
毕业论文提供了生成式数据增强(GDA)领域的全面调研和统一框架,总结了关键方面以及它与合成数据生成的区别,并提出了研究方向,包括有效的数据选择、大规模模型应用的理论发展以及为 GDA 建立基准。
- AI 音乐生成工具与模型调研
我们提供了一篇综合调查报告,介绍了包括研究项目和商业应用在内的人工智能音乐生成工具。通过对音乐生成方法进行分类,我们发现参数化、基于文本和基于视觉的三种方法。调查重点展示了这些工具的多样性和功能特点,适用于普通听众和专业音乐人。每个工具都有 - 深度学习中的视觉注意方法:深入调查
本文阐述了注意力机制在深度学习的应用,提出缺乏对于注意力技术的综合研究和分类的问题,描述了 50 种注意力技术分类的细节,并建议未来深度学习对注意力机制的研究方向。
- 机器学习中的成员推断攻击:一项调查
本文首次对机器学习中的成员推理攻击及其防御措施进行了全面调查,提供了攻击和防御的分类学及其优缺点,并指出了相关领域的研究限制和未来方向,为研究社区提供了参考。