instruction-tuned language models | BriefGPT

关键词instruction-tuned language models

搜索结果 - 6

基于风格表示的机器生成文本的少样本检测
利用人类文本估计的写作风格来区分人类作者和机器作者，以及预测给定文档由哪个语言模型生成。
PDF6 months ago
机器生成指令的效果
机器生成的注释是一种资源和成本效益高的微调下游模型的方式。
PDF6 months ago
Instruct-SCTG：通过指导实现序列控制文本生成
本文介绍了 Instruct-SCTG 框架，利用调谐指令的语言模型在精细调整和零 - shot 设置中生成结构连贯的文章，通过自然语言指令对生成的文本进行段落层次的控制，并引入了一种模糊度量衡来衡量篇章发散程度。实验结果验证了该框架在新闻
PDF6 months ago
扭曲、分散、解码：调校模型能够从嘈杂的指令中优化应答
在这篇论文中，通过引入一种简单而有效的方法，称为指示性解码（ID），来改进指导性调整的语言模型。通过使用一种被称为噪声指示的操作版本的原始指示生成的预测，ID 以对比的方式调整下一个令牌预测的逻辑回归。我们研究了一系列不同类型的噪声指示，包
PDF8 months ago
EMNLPQA-NatVer: 自然逻辑为基础的事实验证的问答
使用问题回答预测自然逻辑运算符，不依赖标注数据、具有确定性推理系统的方法，在少样本设置下，在 FEVER 上的准确度比最佳基线提高了 4.3 个百分点，并且在丹麦验证数据集上超过了所有其他方法，展示了系统的鲁棒性和可移植性，通过人工评估得出
PDF8 months ago
离散提示压缩与强化学习
本研究提出了一种基于强化学习的离散提示压缩方法 (PCRL)，通过使用计算效率高的策略网络直接编辑提示，实现对各种类型的语言模型以及解码器和编码器 - 解码器架构的灵活应用，同时减少平均令牌数量 24.6%，且保持性能不变。此外，通过多种分
PDFa year ago