detoxification | BriefGPT - AI 论文速递

关键词detoxification

搜索结果 - 9

大型语言文本生成实时保障框架
LLMSafeGuard 是一个轻量级框架，通过将外部验证器集成到束搜索算法中，在实时中实现 LLM 文本生成的安全的保障。LLMSafeGuard 在去毒化任务和版权保护任务中表现出优越的性能，减少了 LLM 输出的有毒评分，并减小了版权
PDF2 months ago
GreenLLaMA：排毒与解释框架
我们提出了 GreenLLaMA，这是第一个全面的端到端解毒框架，通过实验分析我们展示了我们的跨平台语料库的有效性和 GreenLLaMA 对抗敌对有毒性的鲁棒性。
PDF4 months ago
鉴真伪：通过高效参数模块操作进行模型缺陷遗忘
通过整合 “专家” 和 “反专家” 参数，我们提出了一种称为 “Ext-Sub” 的参数有效模块操作方法，以提高大型语言模型的真实性和去毒性，并在保留通用能力的同时提取和消除 “反专家” 参数内的缺陷能力。通过对语言模型和数学推理等额外能力
PDFa year ago
逐步解毒语言模型
针对语言模型的解毒具有挑战性，本文提出了分解解毒过程、基于无毒提示的连续生成以及使用 Detox-Chain 进行有序连接的方法来实现显著的解毒和生成改进。
PDFa year ago
ICLR通过死路分析系统性地修正语言模型
本文介绍了一种名为 “修正” 的方法，它利用了最新的强化学习文献中的死路理论，依据文本生成过程中各个阶段生成的文本可能被认为是有毒的概率来处理文本毒性问题，从而提高生成文本的质量和去毒能力。
PDFa year ago
属性 - 区分的潜空间用于语言去毒化
此研究提出了使用属性鑑别潜在空間进行语言去毒化的方法，通过投影技术和鑑别器帮助文本被其属性分离，以实现最小内存和计算开销的非毒性文本生成，取得了比基线更优秀的性能和效率。
PDF2 years ago
使用大型多语言模型探索跨语言文本风格转移
研究多语言和跨语言毒化以及大型多语言模型在该环境中的行为，探讨使大型语言模型能够在给定语言中执行解毒操作而无需直接微调的方法；实验证明，多语言模型能够执行多语言风格转换，但是模型无法执行跨语言解毒，所以对特定语言进行直接微调是不可避免的。
PDF2 years ago
IJCAICounterGeDi：一种生成有礼貌、去毒化和情感化反驳的可控方法
本文提出了 CounterGeDi—— 一种生成辨别器 (GeDi) 的集合，以指导 DialoGPT 模型生成更礼貌、排毒和情感充沛的反讽性建议。通过三个数据集的实验，观察到了不同属性得分的显着提高，在所有数据集中都至少提高了 10% 的
PDF2 years ago
ACL清理语言模型风险边缘化少数群体声音
本文研究了使用 LM 模型在 marginalized groups 中的应用，发现目前已有的毒性去除技术会降低模型在 marginalized groups 语言中的效用，因为这些技术削弱了 LM 模型的抗分布转移能力，导致各种失败。
PDF3 years ago