Flores+
PulseAugur coverage of Flores+ — every cluster mentioning Flores+ across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
评估了本地大语言模型在不同提示下的机器翻译效果
一篇新的arXiv论文探讨了提示设计和示范选择如何影响本地大语言模型（LLMs）的机器翻译能力。该研究评估了Llama3.2 3B、mistral:latest和Qwen2.5:14b等模型在英语和九种欧盟语言之间的翻译能力，并与OPUS-MT和NLLB-200等专业机器翻译系统进行了比较。研究结果表明，虽然专用机器翻译系统通常表现更好，但少样本提示可以使一些LLMs受益，并且嵌入相似性检索用于示范可以带来适度的优势。研究还强调了在L…
-
研究发现：多样例上下文学习可提升低资源语言翻译能力
研究人员对低资源语言的机器翻译进行了多样例上下文学习（ICL）的实证研究。研究结果表明，增加ICL中的示例数量通常能提高性能。研究还表明，使用基于BM25的检索来选择示例可以显著提高数据效率，从而用更少的示例获得可比的结果。此外，研究表明ICL与微调技术结合使用可以带来额外的好处。
-
新方法在冻结语言模型中诱导感官表征
研究人员开发了ACROS，一种无需重新训练即可将显式感官表征集成到现有冻结语言模型中的新方法。该方法支持零样本词义消歧、低KL散度词汇引导和跨语言适应。ACROS在消歧任务上表现出竞争力，在跨语言适应方面准确率很高，使得感官表征成为预训练语言模型的可访问接口。
-
LLM学会主动检索外部信息以更好地适应任务
研究人员开发了一种新方法来适应大型语言模型（LLM），使其能够主动从维基百科和网络浏览器等外部来源检索信息。这种被称为“主动信息检索”的方法被整合到一个基于搜索的训练程序中，该程序可以维护和修剪候选上下文。该方法在翻译、健康场景和推理任务等各种领域都显示出显著的性能提升，同时被证明具有数据效率高且可泛化到不同模型的特点。