研究人员开发了一种新的合成教科书数据创建方法,显著改善了语言模型的训练。该方法将相关内容组织成连贯的书籍级文档,这是以前被忽视的因素,而只关注局部改写。该流程生成了超过68.6万本教科书,在下游任务上的平均性能提高了1.09。实验表明,书籍级组织,而不仅仅是内容或长度,是这种性能提升的关键,其表现优于随机拼接和独立章节改写。 AI
影响 这项研究提出了改进LLM训练数据的新途径,有望以更低的计算成本带来更强大的模型。
排序理由 该集群包含一篇学术论文,详细介绍了用于语言模型训练的合成数据生成新方法。[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 →