研究人员开发了一个名为 CCPoetry-49K 的新数据集,其中包含超过 49,000 条专门用于古诗分析的指令-响应对。他们随后使用低秩适配 (LoRA) 微调了 Qwen2.5-14B 模型,创建了一个领域专业化的 LLM——PoetryQwen。该新模型在 CCL25-Eval 任务 5 基准测试中取得了 0.757 的分数,比基线 Qwen2.5-14B-Instruct 提高了 9.7%,在古诗的精确翻译和情感理解方面表现出显著的改进。 AI
影响 增强了 LLM 在古诗翻译和情感推断等细微任务方面的能力,可能为更多专业化的 AI 应用铺平道路。
排序理由 该集群描述了 arXiv 上的系统报告中提出的新数据集和微调模型,详细介绍了在特定基准测试上的性能改进。[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 →