PulseAugur
中
实时 09:11:57
实体 Sentence-Transformer Decision-Transformer

Sentence-Transformer Decision-Transformer

PulseAugur coverage of Sentence-Transformer Decision-Transformer — every cluster mentioning Sentence-Transformer Decision-Transformer across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
0
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 1 条
  1. RESEARCH · CL_53603 ·

    新的SeDT方法提高了LLM在多轮对话中的可靠性

    研究人员开发了SeDT，一种新颖的方法来解决“对话迷失”问题，即大型语言模型（LLM）在任务被增量地呈现给多个回合时性能会下降。SeDT是一种无需训练的推理时技术，它根据语义、词汇和位置信号，用相关性分数来注释对话历史。这使得LLM能够区分关键信息和偶然对话，显著提高多轮任务的性能和可靠性，而无需更改模型权重或丢弃上下文。