实体
Chars
Chars
PulseAugur coverage of Chars — every cluster mentioning Chars across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的CHaRS方法引导语言模型减少毒性
研究人员开发了一种新的引导语言模型激活的方法，称为聚类最优传输引导（CHaRS）。该技术使用最优传输来配对类别簇，并根据隐藏状态与这些簇的接近程度来移动它们，提供了添加单个向量的常见做法的一种替代方案。在Gemma-2-2B和Granite-3-1-2B模型上的实验表明，CHaRS，特别是将token路由到最近簇的变体，与标准方法相比，即使在INT8和NF4量化下，也能显著降低毒性。
-
新的CHaRS方法通过概念异质性改进LLM控制
研究人员开发了一种名为概念异质性感知表征引导（CHaRS）的新方法，以改进对大型语言模型（LLM）的控制。现有方法通常使用单一的全局方向，但由于LLM中概念表征的复杂性和多样性，这种方法可能效果不佳。CHaRS通过将概念表征建模为聚类和上下文相关的，并利用最优传输理论创建输入相关的引导图来解决这个问题。与之前的方法相比，这种方法能够实现更精确、更有效的行为控制。