一项新的研究论文探讨了大型语言模型在针对低资源语言进行微调后的能力，以希腊语为例。研究发现，虽然标准的准确性基准显示改进很小，但监督微调（SFT）显著增强了模型在希腊语中进行推理和生成响应的能力，提高了语法正确性并减少了令牌使用。然而，SFT也引入了新的缺陷，例如格式不一致和倾向于恢复使用英语。具有可验证奖励的强化学习（RL）在修复这些SFT引起的问题方面被证明是有效的，并进一步提高了模型遵守指令的能力。 AI
影响 证明了SFT和RL可以显著提高LLM在低资源语言中的性能，即使准确性指标未能捕捉到这些收益。
排序理由 研究论文，详细介绍了模型能力和训练方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
