PulseAugur
中
实时 08:53:01
实体 Natalie Schluter

Natalie Schluter

PulseAugur coverage of Natalie Schluter — every cluster mentioning Natalie Schluter across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
2
90 天内 5
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 5
层级分布 · 90 天
主题
关系
最近 · 第 1/1 页 · 共 5 条
  1. RESEARCH · CL_299548 ·

    苹果研究人员发布基于语音的语码转换检测方法

    研究人员开发了一种新颖的方法,可以直接从语音中检测语码转换(在单次话语中交替使用不同语言的实践)。该技术利用了预训练语音编码器(如 Whisper-small)中的语言选择性维度来识别多种语言的存在。该方法在 CS-FLEURS 数据集上的 14 个语言对上取得了 0.798 的平均 F1 分数,优于其他基线模型。这种方法为识别语码转换语音提供了一个轻量级工具,有助于构建更全面的多语言训练语料库。

  2. TOOL · CL_297468 ·

    苹果研究:双语预训练在超参数调优方面提升LLM性能

    来自Apple Machine Learning Research和丹麦技术大学的研究人员发现,将来自高资源语言(如英语)的数据与低资源目标语言(如阿拉伯语)混合,可以显著提高模型性能。这种双语预训练方法被证明比激进的超参数调优更有效,尤其是在模型规模增加的情况下。这项研究涉及了约1000次不同模型规模的预训练运行,表明数据混合在验证损失方面提供了相当于2-3倍的独特目标数据的好处,在下游任务准确性方面则提供了2-13倍的好处。

  3. TOOL · CL_258719 ·

    Apple研究探索价值诱导以重塑大型语言模型行为

    Apple Machine Learning Research 发表了一篇论文,详细介绍了一种名为价值诱导的新方法,用于重塑大型语言模型(LLM)的行为。该技术使用偏好数据集中的精选价值子集来微调模型,以影响其在乐于助人、无害性等方面的价值表达。研究发现,诱导特定价值可以导致相关甚至相反价值的表达,通常会提高模型的安全性,并持续增强拟人化语言,使模型更具认同感和谄媚性。

  4. TOOL · CL_211170 ·

    Apple 研究人员发布 LLM 预训练数据混合缩放定律

    Apple Machine Learning Research 发布了关于优化语言模型预训练数据混合的研究成果,特别是在处理有限目标数据的情况下。他们进行了超过 2000 次训练的广泛研究,发现将稀缺的目标数据重复 15-20 次比之前认为的更有效,尤其是在与丰富的通用数据结合时。该研究引入了一个新的缩放定律,该定律考虑了重复标记的价值递减和通用数据的正则化效应,为在约束条件下配置数据混合提供了一种原则性的方法。

  5. TOOL · CL_211169 ·

    苹果研究人员提出LINK以实现高效多语言AI模型训练

    苹果机器学习研究院(Apple Machine Learning Research)推出了一种名为LINK的新方法,旨在改进多语言语言模型中的跨语言知识迁移,尤其是在训练数据有限的语言方面。该技术涉及词汇干预,即使用双语词汇将高资源语言(英语)训练数据中的单词替换为其翻译。这种方法无需额外的模型训练,只需一个易于获取的双语词汇表,即可在不同模型大小和语言的下游任务上以同等性能实现训练时间的显著加速。