研究人员开发了 P4IR，一个新颖的两阶段框架，旨在提高大型语言模型 (LLM) 在生成计算机可处理的建筑法规方面的准确性。第一阶段采用监督微调 (SFT) 为 LLM 注入领域特定知识。第二阶段利用群体相对策略优化 (GRPO) 来优化 LLM 的输出，特别是改进高级代码骨架等中间表示。这种组合方法显著减少了错误，在零样本设置下表现优于领先的 LLM，并降低了误报率。 AI
影响 这项研究提供了一种提高 LLM 在监管合规等专业领域可靠性和准确性的方法。
排序理由 这是一篇研究论文，详细介绍了一个用于提高 LLM 在特定任务上性能的新框架。 [lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- automated code compliance
- Group Relative Policy Optimization
- Jack Wei Lun Shi
- large language model
- P4IR
- supervised fine-tuning
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
