研究人员正在探索新颖的掩码策略,以改进大型语言模型的微调和预训练。一种方法EKSFT在监督微调期间选择性地掩盖高熵或KL散度高的token,以保留模型的预训练分布并增强后续的强化学习探索。另一种方法侧重于掩码语言建模的熵感知掩码,识别信息量大和不确定的token,以提高训练效率并取得性能提升。第三种策略语义掩码专家策略优化(SMEPO)在专家指导的强化学习中使用细粒度的语义掩码,通过强制模型重建被掩盖的与奖励相关的信息来防止奖励黑客行为,从而提高准确性并缩短训练时间。 AI
影响 这些掩码技术旨在提高LLM的训练效率和性能,有望为复杂的推理和语言任务带来更强大的模型。
排序理由 该集群包含多篇学术论文,详细介绍了LLM训练的新研究方法。
AI 生成摘要 · Google Gemini · 来自 4 个来源。 我们如何撰写摘要 →