研究人员推出了一种新颖的大型语言模型监督微调(SFT)框架CIG-SFT。该方法采用信息论方法来估计每个示范token所携带的条件信息,量化任务本身在多大程度上降低了给定决策的不确定性。通过将此信息转换为当前策略的KL正则化投影,CIG-SFT推导出一个加权的SFT目标,在无需额外数据或在线回滚的情况下,提高了数学推理和代码生成任务的泛化能力。 AI
影响 该方法可以提高LLM在推理和代码生成等复杂任务上的泛化能力。
排序理由 该集群包含一篇学术论文,详细介绍了一种用于微调大型语言模型的新方法。[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 →