实体
MemSFT
MemSFT
PulseAugur coverage of MemSFT — every cluster mentioning MemSFT 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
最近 · 第 1/1 页 · 共 2 条
-
MemSFT 方法将领域知识与大型语言模型解耦，防止性能下降
研究人员开发了 MemSFT，一种在不牺牲通用能力的情况下使大型语言模型 (LLM) 适应专业领域的新颖方法。MemSFT 使用外部参数化记忆来存储特定领域的知识，从而防止了传统微调中常见的灾难性遗忘。此记忆可跨不同大小的 LLM 重复使用，并在生成过程中与骨干模型的输出动态融合。在生物学、地球科学和法律数据集上的评估表明，与导致严重性能下降的标准微调不同，MemSFT 在保持通用任务熟练度的同时显著提高了领域性能。
-
MemSFT方法在不损失性能的情况下使LLM适应专业领域
研究人员开发了MemSFT，一种新颖的方法，可以在不牺牲通用能力的情况下使大型语言模型（LLM）适应专业领域。MemSFT利用一个外部参数化记忆，该记忆经过训练以模仿检索器，存储领域特定知识。然后，一个学习到的路由器在生成过程中动态地组合该记忆和LLM骨干的输出。在生物学、地球科学和法律领域的评估表明，MemSFT显著提高了领域性能，同时最大限度地减少了通用任务的退化，并且该记忆可以跨不同大小的LLM重复使用。