few-shot prompting | BriefGPT

关键词few-shot prompting

搜索结果 - 36

缺失和矛盾条件下数学推理的鲁棒性评估
通过引入 Problems with Missing and Contradictory conditions（PMC）基准测试和两个新的评估指标，我们发现现有的 few-shot prompting 方法在处理缺失和矛盾条件的问题时效果不
PDF25 days ago
TACT: 提高复杂聚合推理的信息提取工具
使用 TACT 数据集评估了大型语言模型（LLMs）的推理和计算能力，发现现有模型在整合分散信息和执行复杂集成任务方面表现不佳。提出了一个名为 IE 作为工具的新建模型框架，通过为每个步骤添加工具并采用 few-shot prompting
PDFa month ago
从 Tarzan 到 Tolkien：控制 LLMs 的语言熟练程度用于内容生成
探讨利用大型语言模型（LLMs）控制文本难度的问题，在不完全精通的终端用户环境中（如语言学习者），通过使用新颖框架评估了几种关键方法的效果，包括少样本提示、监督微调和强化学习（RL），使用 GPT-4 和 LLama2-7B、Mistral
PDFa month ago
SynthesizRR: 利用检索增强生成多样化数据集
通过检索和改进综合方法（SynthesizRR），我们通过扩展种子生成内容的方式来合成数据集，从而在语义和词汇多样性、与人类书写文本的相似性以及提纯效果方面极大地改善了标准 32-shot prompting 和其他六种基线方法。
PDF2 months ago
减轻大型语言模型中的夸大安全性
通过使用多种提示策略，我们成功地减少了大型语言模型中的过度安全行为，这些策略包括使用 XSTest 数据集、交互提示、上下文提示以及少样本提示，从而使模型能够在拒绝不安全的输入的同时保持有用性。
PDF2 months ago
CVPR利用自我训练大型语言模型改进视觉程序合成与视觉强化
利用交互式经验反馈改进大规模语言模型的视觉程序合成能力，通过利用现有的视觉语言任务注释为该任务创造一个粗略的奖励信号，将语言模型作为一种策略，并应用增强的自训练，显示出在对象检测、复合视觉问答和图像 - 文本检索方面，经过自训练的语言模型在
PDF3 months ago
SHROOM-INDElab 在 SemEval-2024 任务 6 中的零击中和少击中基于 LLM 的幻觉检测分类
通过使用大型语言模型进行提示程序设计和上下文学习来构建大学智能数据工程实验室团队参与 SemEval-2024 任务 6 竞赛的 SHROOM-INDElab 系统，该系统在上下文特定任务、角色和目标概念的定义以及自动生成示例的基础上，扩展
PDF3 months ago
大型语言模型中的不完全循环：演绎、归纳和演绎学习
通过研究不同类型的推理方式，以及对语言模型进行的指令跟随、少样本提示和指令推断实验，我们发现即使在一些最大的语言模型中，推理的方式仍然是非系统性的，不同的学习机制可能被看似相似的提示程序调用。
PDF3 months ago
MedPromptX: 融入视听提示的胸部 X 射线诊断
利用多模态大型语言模型、少样本训练提示、视觉定位将影像与电子病历数据结合，该研究提出了 MedPromptX 模型，用于胸部 X 射线诊断，有效提高了异常的识别能力。
PDF3 months ago
大语言模型中少样本代码生成的提示选择与增强及其在机器人控制中的应用
通过多阶段示例扩充方案和示例选择方案，本算法实现了多样性提升、冗余度减少和与问题相关性增加的示例集合选择，结合作为思维程序的提示，显著提高了 GSM8K 和 SVAMP 基准测试的性能（分别提高了 0.3% 和 1.1%），在模拟台面环境中
PDF4 months ago
低资源语言中大型语言模型的少样本跨语言迁移
将 LLaMa 适应于 Kinyarwanda、Hausa 和 Luganda 等低资源语言的提示设置是一种计算高效且成本效益的方法，优于翻译和 LAFT，并在所有任务和语言上表现最佳。
PDF4 months ago
COLING聊天作为干扰：向任务导向对话添加用户背景
通过使用 Llama-2-70B 进行少样本提示来提高 MultiWOZ 数据集中用户故事的质量，我们评估了这种添加对模型的影响，结果显示这种丰富的数据集给系统带来了显著挑战，同时证明了该数据集可用于训练，能够在同一轮中始终自觉承认用户的背
PDF4 months ago
从错误中的上下文原则学习
通过学习任务特定的 “原则”，在原有的少样本示例基础上，利用上模型在这些示例中产生的错误来帮助解决类似问题并避免常见错误，从而提高大量基准测试的性能。
PDF5 months ago
元认知强化的正向强化少样本提示
通过元认知和正反馈指导，提高大型语言模型的少样本学习，在分类准确率和宏 F1 方面超过传统的少样本提示。
PDF7 months ago
EMNLP消除模糊问题的澄清树：使用增强检索的大型语言模型进行回答
通过构建一个问题的歧义消除树，利用外部知识以及少样本提示进行递归，能够在解决开放领域问题回答时提供综合的长格式答案，优于现有基准模型并超过全监督模型的效果。
PDF8 months ago
EMNLP关于使用大型语言模型进行双语词典归纳
使用最新一代的大型语言模型，我们系统地研究了双语词典诱导（BLI）任务，包括无监督的零样本诱导、少样本上下文诱导和标准的 BLI 模型微调，并证明了与当前 BLI 方法相比，这种方法在许多语言对上取得了最新的 BLI 成绩。
PDF8 months ago
面向严重资源匮乏语言的数据生成：GPT-3.5 的协助来自 Google 翻译
我们探讨了语言生成任务中，训练数据严重不足的情况下，GPT 等 LLM 模型如何处理爱尔兰语、马耳他语、威尔士语和布列塔尼语等语言。我们测试了多种提示类型和格式，发现少量样本训练对于直接生成不常见语言较为有效，但通过英语进行翻译后的生成差距
PDF10 months ago
ACLMEDIQA-Chat 2023 中的 SummQA：使用 GPT-4 进行上下文学习的医学摘要
研究围绕通过两阶段方法和使用 GPT-4 模型进行对话摘要，通过比较与基线的性能表现发现 few-shot prompting 的有效性，但是也指出了它的一些局限性。
PDFa year ago
ACL重新审视非英语文本简化：一个统一的多语言基准
该研究介绍了 MultiSim 基准，这是一个包含 27 种语言的 12 种不同语言资源的集合，其中包含超过 170 万个复杂 - 简单句对，使用预训练的多语言语言模型进行的实验表明具有激动人心的性能提升，证实了跨语言的可行性。
PDFa year ago
关于文体改写需要上下文模型和评估的重要性
本文着重于文本的形式、毒性和情感转移任务，并提出了将上下文信息应用于文本改写的方法，比较了有上下文和无上下文改写的效果，并通过新型语言模型 GPT-3.5 和 GPT NeoX 进行实验比较，结果表明，上下文改写会更符合人类的阅读习惯，但并
PDFa year ago