研究人员推出了一种新的方法——轨迹精炼蒸馏(TRD),以改进大型语言模型的训练后过程。TRD解决了在线蒸馏中的“前缀失败”问题,该问题会导致密集型逐令牌监督产生碎片化梯度。通过在蒸馏前对轨迹级别的学生模型回放进行校正,TRD缓解了这一问题并增强了探索。该方法在各种基准测试和模型规模上都显示出了一致的性能提升。 AI
影响 通过改进蒸馏技术,增强了LLM的推理能力和准确性。
排序理由 该集群包含一篇详细介绍改进LLM训练新方法的学术论文。
在 Hugging Face Daily Papers 阅读 →
- Large language models
- On-policy distillation
- Prefix failure
- Trajectory-Refined Distillation
- On-policy self-distillation
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →