新的强化学习方法将 LLM 预训练时间缩短 66%

研究人员开发了一种名为 AC-ODM 的新方法，该方法使用强化学习来优化大型语言模型 (LLM) 的预训练数据组成。该方法显著提高了样本效率，将预训练时间缩短了高达 66%，同时提高了在 MMLU 和 HumanEval 等基准测试中的下游准确性。AC-ODM 提供了代理和直接训练模式的灵活性，并且计算开销仅增加极少。 AI

影响 该方法可以显著降低 LLM 预训练所需的计算成本和时间，从而可能加速开发和部署。

排序理由 该条目是一篇研究论文，详细介绍了一种新的 LLM 预训练方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 Hugging Face Daily Papers 阅读 →

• AC-ODM
• Dang'ai
• HumanEval
• International Conference on Machine Learning
• LLM
• Massive Multitask Language Understanding
• Pythia 1B
• reinforcement learning

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →