研究人员开发了一种新的采样算法,可以增强大型语言模型(LLM)的监督微调(SFT)。这种马尔可夫链蒙特卡洛(MCMC)方法将离策略数据轨迹转换为更符合同策略学习的方式,使 SFT 在泛化能力上能够媲美甚至超越传统的强化学习技术,并减少灾难性遗忘。该方法在科学技能获取和数学推理等各种任务中表现强劲,并将采样视为模型后训练的一种通用基元。 AI
影响 通过提高微调效率和性能来增强 LLM 的能力,有望带来更强大、更多功能的模型。
排序理由 关于 LLM 微调新方法的学术论文。[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 →