研究人员探索了将大型语言模型 (LLM) 微调用于专业科学领域，特别是量子场论 (QFT)。一项研究比较了强化学习 (RL) 和监督微调 (SFT)，发现 RL 在人类适应性问题上泛化能力更强，而 SFT 在分布内合成任务上表现更佳。这项研究还涉及创建一个数据生成管道并发布可验证的 QFT 训练数据。另一篇论文介绍了 SpatialMem，一个集成了 3D 几何、语义和语言用于视频基础和问答的系统，并在 VSI-Bench 和 OpenEQA 等基准测试中展示了其有效性。 AI
影响 专门的 LLM 微调和集成的视频语言模型的进步可能导致在科学研究和复杂的现实世界应用中出现更强大的 AI 助手。
排序理由 arXiv 上发布了两篇不同的研究论文，详细介绍了 LLM 微调在科学领域和视频理解方面的进展。
- arXiv
- large language models
- Nathaniel Woodward Twisleton-Wykeham-Fiennes
- OpenEQA
- quantum field theory
- reinforcement learning
- SCANNET
- SpatialMem
- supervised fine-tuning
- TPBench
- VSI-Bench
- Xinyi Zheng
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
