实体
NarrativeQA
NarrativeQA
PulseAugur coverage of NarrativeQA — every cluster mentioning NarrativeQA 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
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新框架增强LLM记忆和冲突解决能力
研究人员开发了增强大型语言模型长期记忆能力的新方法。其中一种方法MeMo使用模块化框架将新知识编码到独立的记忆模型中，而不改变LLM的核心参数，从而实现即插即用集成并避免灾难性遗忘。另一个框架MemConflict则侧重于评估这些记忆系统在多个会话中处理冲突信息的能力，评估它们检索和排序事实正确且上下文适用的记忆的能力。
-
新的稀疏注意力方法在无需重新训练的情况下提高了大型语言模型的推理速度
研究人员推出了一种新颖的稀疏注意力机制STS，旨在加速大型语言模型（LLM）的推理，而无需进行模型重新训练。STS利用一个较小的草稿模型来预测重要代币，然后指导较大目标模型的稀疏性掩码。这种方法集成到投机解码中，在NarrativeQA基准测试上实现了2.67倍的速度提升，稀疏度约为90%，同时保持了准确性。