一篇新发表在arXiv上的研究论文，探讨了大型语言模型（LLMs）在理解和处理否定句方面的局限性。研究发现，当面对否定疑问时，LLMs经常会重复相同的答案，未能正确排除信息。研究人员指出，LLMs会压制原始答案，同时推广一个偏好的替代选项，这一机制与人类处理否定句的方式不同，并导致了错误。为解决此问题，该论文提出了一种新颖的训练目标，旨在通过鼓励更大的答案偏好转变来改进否定句处理能力，实验表明这在不显著降低通用能力的情况下减少了失败率。 AI
影响 凸显了大型语言模型的一个关键语言学局限性，并提出了通过有针对性的训练方法进行改进的可能性。
排序理由 发表在arXiv上的研究论文，详细介绍了关于LLM能力的研究结果。[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 →
