实体 $d_{\text{NTP}}$

$d_{\text{NTP}}$

PulseAugur coverage of $d_{\text{NTP}}$ — every cluster mentioning $d_{\text{NTP}}$ across labs, papers, and developer communities, ranked by signal.

总计 · 30天

0

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

0

90 天内 1

层级分布 · 90 天

主题

最近 · 第 1/1 页 · 共 1 条

RESEARCH · CL_41785 · May 20 · 05:26

新指标提升LLM任务向量效率，提高准确性

研究人员引入了一个新指标 $d_{\text{NTP}}$，通过衡量基于任务向量的推理与上下文学习（ICL）推理之间的下一个词概率差异，来评估大型语言模型中任务向量的有效性。该指标作为性能代理，与下游准确率呈负相关。基于此，他们开发了线性任务向量（LTV）方法，在各种基准测试和LLM上平均准确率提高了9.2%，并降低了推理延迟。LTV还表现出可迁移性，使用大型模型的任务向量可将小型模型的性能提高6.4%。