研究人员开发了STaR-DRO，一个用于改进大型语言模型结构化预测的新框架，特别适用于数据不平衡和不同难度组的任务。该框架结合了模块化提示工程和一种重加权技术，该技术可以上调持续困难的组，而不会惩罚更容易的组。在EPPC Miner任务上的评估表明，当应用于Llama模型时，在零样本提取和鲁棒性方面取得了显著改进，优于标准微调和传统的DRO方法。 AI
排序理由 该集群包含一篇研究论文，详细介绍了一种改进LLM结构化预测的新方法。[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 →