单个训练示例对GPT-2的影响在预训练结束时消退

一项新的研究论文探讨了单个训练示例对大型语言模型（特别是GPT-2）的影响。研究发现，虽然单个段落可以在接触后不久被学习并影响预测，但这种影响在预训练结束时会显著减弱。该研究使用了32个GPT-2模型，并测量了交叉熵、插值损失和权重位移，以分析学习和遗忘过程，得出结论认为此类注入会将模型重新定位在其训练盆地内，而不会从根本上改变其轨迹。 AI

影响 研究了训练数据的细微影响，可能为未来的数据策展和模型鲁棒性提供信息。

排序理由 在arXiv上发表的研究论文，详细介绍了关于LLM训练的实验结果。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• GPT-2
• Hugging Face
• OpenWebText
• ScienceCast

• 论文
• 模型发布

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