实体
exam
exam
PulseAugur coverage of exam — every cluster mentioning exam across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
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
-
研究LLM演进对相关性和检索多样化的影响
arXiv上发表的研究探讨了大型语言模型（LLM）演进对相关性评估和检索多样化的影响。一篇论文挑战了新版LLM版本始终能提高相关性判断的假设，发现更新后的模型并不总是能保留早期版本所做的正确判断。第二篇论文研究了检索增强生成（RAG）框架中的检索多样化，得出结论认为其有效性高度依赖于候选池冗余度和查询证据要求，建议选择性应用而非普遍使用。
-
新框架在无人工标注的情况下生成合成对话数据
研究人员开发了一个新的框架，用于在无需人工标注的情况下生成合成对话数据。在快速发展的工业环境中，人工标注通常稀缺。该方法使用意图定义并结合主题和风格属性来增强数据多样性，采用两种新颖的风格化模型 Univ 和 Exam 来创建更具人类语言风格的数据。LLM-as-a-judge（大语言模型作为裁判）过滤过程进一步提高了数据质量，达到了人工标注数据高达 93.3% 的性能。研究强调，风格多样性比主题多样性对合成数据效用更重要，并且在生成…