論文標題：Reflexion: Language Agents with Verbal Reinforcement Learning論文鏈接：https://arxiv.or...
發(fā)簡信
IP屬地：北京
-
Reflexion：讓語言智能體通過語言反饋自我強化 -
ACL 2025 - 基于片段監(jiān)督偏好優(yōu)化的字幕翻譯時延對齊論文標題：Fine-grained Video Dubbing Duration Alignment with Segment Supervised Preference O...
-
直接偏好優(yōu)化技術DPO基礎理論及推導
論文標題：Direct Preference Optimization: Your Language Model is Secretly a Reward Model論文鏈接...
-
生成式大模型的RLHF技術（一）：基礎一、概述 大語言模型（LLMs）在預訓練的過程中通常會捕捉數(shù)據(jù)的特征，而這些訓練數(shù)據(jù)通常既包含高質量的也包含低質量的，因此模型有時會產(chǎn)生不被期望的行為，如編造事實，生成有偏見...
-
LoRA：大模型下游任務的低秩適應論文標題：LoRA: Low-Rank Adaptation of Large Language Models論文鏈接：https://arxiv.org/abs/2106....
-
思維鏈Prompting促進大型語言模型的推理能力論文標題：Chain-of-Thought Prompting Elicits Reasoning in Large Language Models論文鏈接：https://...
-
Megatron-LM：Transformer模型專用分布式張量模型并行方法論文標題：Megatron-LM: Training Multi-Billion Parameter Language Models Using Model Parallel...
-
思維樹：大模型的復雜推理技術論文標題：Tree of Thoughts: Deliberate Problem Solving with Large Language Models論文鏈接：https:...
-
LIMA：小規(guī)模監(jiān)督數(shù)據(jù)指令微調論文標題：LIMA: Less Is More for Alignment論文鏈接：https://arxiv.org/abs/2305.11206[https://arxi...