PulseAugur
中
实时 15:10:43
实体 ChatGLM

ChatGLM

PulseAugur coverage of ChatGLM — every cluster mentioning ChatGLM across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
2
90 天内 4
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
最近 · 第 1/1 页 · 共 4 条
  1. TOOL · CL_300869 ·

    新基准评估大型语言模型在推荐任务上的表现

    一项新的基准LLMRec已被开发出来,用于评估大型语言模型(LLMs)在推荐任务上的表现。该基准测试了包括ChatGPT、LLaMA和ChatGLM在内的多个LLMs,涵盖了五个不同的推荐场景:评分预测、序列推荐、直接推荐、解释生成和评论摘要。虽然LLMs在预测任务上的准确性适中,但在生成解释方面,它们的表现与现有方法相当。定性评估表明,LLMs能够有效地处理信息,产生清晰且合乎逻辑的输出,这表明它们有潜力增强推荐系统。

  2. TOOL · CL_289931 ·

    中国开源大语言模型发布时间线(基于供应商数据整理 · 跟踪1个来源)

    一份详尽的时间线列出了中国机构发布的开源大语言模型的发布日期,这些信息经过精心整理,来源于供应商页面、研究论文和Hugging Face的API。该列表排除了仅提供API或仅托管的模型,只关注可下载权重的模型。参数数量根据供应商的说明列出,对于提供多种尺寸的模型系列,则提供范围。该时间线旨在通过直接从发布者处获取信息来确保准确性,并在供应商特定日期页面不可用时,使用Hugging Face存储库创建时间戳。

  3. TOOL · CL_140859 ·

    AI作业工具损害长期学习,中国学生研究发现

    一项涉及超过26000名中国学生的研究发现,虽然AI作业工具可以提高效率和短期成绩,但它们会严重损害长期学习。斯德哥尔摩大学和香港大学的研究人员观察到,使用AI工具的学生完成作业的速度更快,家庭作业成绩提高了18%。然而,在六个月内,他们的月度考试成绩下降了20%,两年后,高风险入学考试成绩下降了高达24%。该研究表明,AI的使用可能会造成一种虚假的流利感,阻碍更深层次的理解和记忆。

  4. TOOL · CL_51220 ·

    新的SLAP框架提高了LLM指令调优的效率

    研究人员推出了一种名为SLAP的新框架,旨在提高大型语言模型指令调优的效率。SLAP侧重于选择可学习性最强且最多样化的数据批次,而非单个数据点。这种方法使模型能够使用少20-40%的训练数据达到相当或更好的性能,显著降低了计算成本。