PulseAugur
中
实时 06:25:42
English(EN) The Blessing of Dimensionality: How Near-Orthogonality in High-Dimensional Spaces Explains Temporal Portability

PortLLM方案展示了大型语言模型（LLM）的长期时间可移植性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员探索了PortLLM方案的长期时间可移植性，该方案在持续预训练后无需新的训练数据或参数即可适应大型语言模型（LLM）。他们使用Mistral、Gemma和Qwen等基础模型在十个预训练步骤中进行了广泛的实证研究，发现PortLLM补丁在很长一段时间内保持其有效性。这表明当基础模型定期更新时，无需重复微调。理论分析提供了几何视角，将高维向量的近乎正交性确定为解释这种时间可移植性的关键因素。 AI

影响 表明随着基础模型的更新，对LLM进行频繁微调的需求降低，可能节省计算资源。

排序理由 arXiv上发表的研究论文，详细介绍了LLM适应性的发现。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

PortLLM方案展示了大型语言模型（LLM）的长期时间可移植性

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Abigail Woodring, Adrian Chan, Rana Muhammad Shahroz Khan, Sukwon Yun, Chau-Wai Wong, Tianlong Chen ·

    降维的恩赐：高维空间中近乎正交性如何解释时间可移植性

    arXiv:2607.20301v1 Announce Type: cross Abstract: Fine-tuning has been widely used to adapt large language models (LLMs) for domain-specific tasks. Parameter efficient fine-tuning (PEFT) methods such as low-rank adaptation (LoRA) are frequently used to reduce computational costs.…

相关实体

相关话题