English(EN) Dataset Construction for Training LLM to Learn Analog Circuit Knowledge

新数据集和训练技术增强了大型语言模型在模拟电路方面的知识

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-01 04:00

研究人员构建了一个新的文本数据集，旨在训练大型语言模型（LLMs）掌握模拟电路知识。该数据集包含用于持续预训练的无标签数据和用于监督微调的有标签数据，并整合了结构化的“问题-思考-解决方案-答案”四元组。研究还定制了大型语言模型的训练技术，发现采用KL散度正则化的监督微调可带来显著改进。经过训练的32B指令模型在AMSBench-TQA基准测试中取得了84.59%的准确率，远高于初始模型。 AI

影响这项研究可能促使大型语言模型在模拟电路设计等专业工程领域发挥更强大的作用。

排序理由这是一篇研究论文，详细介绍了用于大型语言模型的新数据集和训练技术。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Zihao Chen, Ji Zhuang, Jinyi Shen, Xiaoyue Ke, Xinyi Yang, Mingjie Zhou, Zhuoyao Du, Xu Yan, Zhouyang Wu, Zhenyu Xu, Jiangli Huang, Li Shang, Xuan Zeng, Fan Yang · 2026-07-01 04:00

Dataset Construction for Training LLM to Learn Analog Circuit Knowledge

arXiv:2508.10409v3 Announce Type: replace-cross Abstract: This paper constructs a textual dataset for training large language models (LLMs) to learn analog circuit knowledge and customizes LLM training techniques. For dataset construction, high-quality textbooks are collected and…

报道来源 [1]

Dataset Construction for Training LLM to Learn Analog Circuit Knowledge

相关实体

相关话题