实体
encoder models
encoder models
PulseAugur coverage of encoder models — every cluster mentioning encoder models across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的PORTS方法提高了LLM工具选择的准确性
研究人员开发了PORTS，一种用于训练检索器以更好地为大语言模型（LLM）选择工具的新方法。现有的检索器由于训练过程分离，常常与LLM不匹配。PORTS使用带有冻结LLM的偏好优化技术来微调检索器，通过将选择概率与下游性能相关联来提高其查找有用工具的能力。这种方法在各种数据集和LLM上都显著提高了工具选择的准确性，计算需求低，并且具有良好的泛化能力，适用于实际应用。
-
AI模型在评论分类中表现出特定语言的情感偏差
arXiv上发表的一项新研究显示，大型语言模型在对产品评论进行分类时会表现出特定语言的情感极性偏差。研究发现，这些模型在法语中表现出负面偏差，对负面评论的识别效果更好；而编码器模型在日本语中则表现出正面偏差，常常忽略间接表达的微妙负面情绪。这些发现凸显了依赖多语言情感分析系统的企业和社交应用可能面临的问题。
-
研究论文显示大型语言模型存在语言和框架偏差
两篇新研究论文探讨了大型语言模型（LLMs）中的偏差。第一篇论文识别出特定语言的情感极性偏差，指出 LLMs 在处理法语负面评论时可能更准确，但在日语中则表现出积极偏差。第二篇论文介绍了一种名为 DeFrame 的方法来解决“框架差异”，即 LLMs 会根据语义等价提示的措辞不同而产生有偏差的响应，并证明现有的去偏技术通常无法缓解这一特定问题。