实体
Meta-Learning Preferences for Multilingual LLM Alignment
Meta-Learning Preferences for Multilingual LLM Alignment
PulseAugur coverage of Meta-Learning Preferences for Multilingual LLM Alignment — every cluster mentioning Meta-Learning Preferences for Multilingual LLM Alignment 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
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
Meta学习框架提升多语言LLM在低资源语言上的对齐效果
研究人员开发了一种新颖的Meta学习框架，以提高多语言环境下大型语言模型（LLMs）的对齐效果，尤其是在低资源语言方面。该方法利用其他语言的偏好数据来创建可迁移的初始化，从而能够用最少的靶语种数据进行有效适应。该框架展示了显著的改进，在仅有100个偏好样本的极低资源场景下，获胜率提高了高达28%，并且在各种语言和模型规模上始终优于基线。
-
元学习框架以最小数据提升多语言大模型对齐效果
研究人员开发了一种新颖的元学习框架，以提高大语言模型（LLMs）在多种语言中的对齐效果，尤其是在低资源场景下。该方法利用高资源语言的数据来创建可迁移的初始化，从而能够用显著减少的数据有效地适应目标语言。该框架在极低资源环境下展示了高达28%的胜率提升，并在各种语言和模型规模上持续优于基线方法。