Search | BriefGPT - AI 论文速递

搜索结果 - 200

自监督视觉偏好对齐
本研究首次尝试了视觉语言模型（VLMs）中的无监督偏好对齐，通过对原始和增强图像对生成选择和拒绝响应，并进行直接偏好优化来实现。通过合理设计图像输入的增强方式，诱导VLM生成虚假但困难的负面响应，有助于模型从中学习并生成更强大和健壮的答案。
PDF5 months ago
伦理镜境: 制约开源文本到图像模型的恶意使用
Ethical-Lens是一个旨在促进价值对齐的文本到图像工具的框架，通过改善用户命令和模型输出来确保其在毒性和偏见维度上的价值对齐能力，从而提高了与商业模型(DALLE 3)相媲美甚至更高的对齐能力，并确保用户生成的内容符合伦理标准同时保
PDF5 months ago
Reka Core、Flash 和 Edge: 一系列强大的多模态语言模型
Reka介绍了Reka Core、Flash和Edge，这是一系列强大的多模态语言模型，通过Reka从头开始进行训练。Reka模型能够处理和推理文本、图像、视频和音频输入。
PDF5 months ago
超越准确性：探究 GPT-4 对 USMLE 问题的错误类型
GPT-4在医疗问答任务中表现出高准确性，但仍存在约14%的错误。因此，我们引入了一种与医学学生合作得出的新的领域特定错误分类系统。我们的GPT-4 USMLE Error（G4UE）数据集包含4153个GPT-4正确回答和919个不正确回
PDF5 months ago
通过基于变异的置信度平滑增强大型语言模型的故障检测
现有的故障检测方法在大型语言模型上表现不佳，因此我们提出了一种名为MuCS的基于提示变异的预测置信度平滑方法，该方法能显著提升现有方法在测试覆盖率上的改进达到97.64%。
PDF5 months ago
大型语言模型与专家相当：识别青少年在线论坛中的心理健康因素
儿童和青少年的心理健康在过去几年中不断恶化。大型语言模型（LLMs）的出现为监测和干预的成本和时间效率提供了很大希望。我们创建了一个Reddit帖子的新数据集，经过专家精神科医生的标注，用于以下类别：创伤，不稳定性，病情，症状，自杀倾向和治
PDF5 months ago
用多元模型评估LLM生成：将法官替换为陪审团
使用 LLm 评估员小组 (PoLL) 替代单个大模型如 GPT4 进行评估，可以在减少评估成本的情况下，展现较少内部模型偏见，并且在三种不同的评估环境和六个不同数据集上表现更好。
PDF5 months ago
TartuNLP参与EvaLatin 2024: 情感极性检测
该研究是关于情绪极性检测在历史拉丁文本中的应用，结合启发式标签和GPT4生成标签的监督学习方法，使用参数高效微调和适配器框架，通过LLM生成的标签在情绪极性检测任务中取得了第一名的优异成绩，结果表明LLM标注对拉丁文本具有良好的潜力。
PDF5 months ago
大型语言模型中的叙事处理分析：使用GPT4测试BERT
使用基于transformer的大型语言模型（LLMs）的ChatGPT作为研究对象，通过分析BERT隐藏单元的激活模式，发现其在不同层次上根据文体变异（1）和叙事内容（4-5）进行聚类，揭示了LLMs内部的区别任务处理机制，为深入研究人类
PDF5 months ago
过度自信是关键：大型语言和视觉-语言模型中的口头不确定性评估
该论文评估了语言和视觉-语言模型的可靠性，并提出了新的日本不确定场景数据集以及测量校准误差的方法。结果表明，语言和视觉-语言模型都存在较高的校准误差，并且大部分时间都表现出过度自信，说明其对不确定性估计的能力较弱。此外，研究还发展了回归任务
PDF4 months ago
TANQ: 一个开放领域的表格问答数据集
TANQ是第一个需要从多个源中提取信息构建表格作为答案的开放领域问题回答数据集，我们在开放、正式和闭卷的场景中使用顶尖的语言模型进行评测，最好的基准模型GPT4的综合F1得分为29.1，相较于人类表现差了19.7个百分点，我们分析了在这个任
PDF4 months ago
PHUDGE: Phi-3 作为可扩展的评判者
通过使用PHUDGE调优的Phi3模型，在反馈测试、反馈OOD、MT Human和Preference Test等四项任务中取得了最先进的结果，大大超越了现有模型在延迟和吞吐量方面。研究还表明，与GPT4和人类注释者相比，这个模型在未见过的
PDF4 months ago
SQL-to-Schema 提升文本到SQL的模式链接
使用CodeLlama-34B建立了一种创新的模式链接方法，通过从初始SQL查询中提取表格和列，创建了一个简明的架构，并且在与主流方法对比的情况下，在SQL生成方面表现最佳。利用GPT4，在Spider数据集上实现了与主流Text-to-S
PDF4 months ago
通过强化学习将大型视觉语言模型细调为决策代理
使用强化学习对视觉语言模型进行微调，提出了一种算法框架来增强其决策能力，验证了连续思维推理的重要性，并展示了在各种任务中超越商业模型的性能。
PDF4 months ago
重新思考视觉语言模型中被忽视的方面
该论文研究了大型视觉语言模型（LVLMs）中数据效率的常常被忽视的方面，以及预训练和微调数据的选择过程，旨在优化数据使用来增强视觉语言模型的性能。
PDF4 months ago
大型语言模型进行科学假设生成的实验室验证：在乳腺癌治疗中的应用
通过实验测试，我们发现大型语言模型是一种令人兴奋的新型科学假设来源，并成功应用于乳腺癌治疗领域来生成新的、与非肿瘤性乳腺细胞系MCF10A相比针对MCF7乳腺癌细胞系的FDA批准的非癌症药物组合，并发现多个具有积极协同效应的药物组合。
PDF4 months ago
BERT与GPT在金融工程中的比较
该研究对多个Transformer模型进行基准测试，展示了这些模型如何从新闻事件中判断情感。这个信号随后可用于下游建模和商品交易的信号识别。我们发现，在这一任务中，微调的BERT模型优于微调或原版的GPT模型。研究还提出了CopBERT模型
PDF5 months ago
隐私感知的视觉语言模型
本文介绍了一项关于Visual Language Models（VLMs）处理隐私敏感信息的研究，引入了一个新的基准PrivBench，并在其中评估了10个最先进的VLMs。研究结果表明，VLMs对隐私的理解普遍有限，因此提出了一个新的训练
PDF4 months ago
源码基础模型是可转移的二进制分析知识库
人类导向的二进制逆向工程（HOBRE）通过建立二进制与源代码之间相互关联的可读内容，填补了二进制与源代码之间的语义鸿沟。我们提出了一种新颖的探测和恢复框架，结合了二进制和源代码的编码器-解码器模型以及黑盒语言模型进行二进制分析，实现了对零样
PDF4 months ago
LLM-Modulo框架下的强健计划：旅行计划案例研究
大语言模型在旅行规划领域有着显著的实际应用，通过LLM模块化框架的操作，对LLMs的推理能力进行改进，并在基线性能上取得了4.6倍的提升。
PDF4 months ago