Chii chaitika
Vatsvakurudzi vakakurudzira maitiro-debiased yakananga optimization (SD-DPO) kuti ivandudze huchokwadi hwemhando dzemitauro mikuru (LLMs) mukutora ruzivo rwakachengetwa. Vakaedza SD-DPO pamusoro peEntiGraph, mumiriri wekuchengetedza-parutivi nzira iyo inoenderera ichienderera mberi kudzidzisa (CPT) pane zvinyorwa zvakagadzirirwa kubva kucorpus. Mhedzisiro yacho yakaratidza kuti SD-DPO inodarika yekutanga CPT paEntiGraph's synthetic data kubva kune imwechete base modhi uye inoongorora nemaitiro akafanana.
Vatsvakurudzi vakakurudzira maitiro-debiased yakananga optimization (SD-DPO) kuti ivandudze huchokwadi hwemhando dzemitauro mikuru (LLMs) mukutora ruzivo rwakachengetwa.
Vakaedza SD-DPO pamusoro peEntiGraph, mumiriri wekuchengetedza-parutivi nzira iyo inoenderera ichienderera mberi kudzidzisa (CPT) pane zvinyorwa zvakagadzirirwa kubva kucorpus.
Mhedzisiro yacho yakaratidza kuti SD-DPO inodarika yekutanga CPT paEntiGraph's synthetic data kubva kune imwechete base modhi uye inoongorora nemaitiro akafanana.
Kwakabva mashoko: arxiv.org β
Nei zvichikosha
Nzira yakarongwa, SD-DPO, inogona kuvandudza huchokwadi hweLLMs mukutora ruzivo rwakachengetwa. Izvi zvakanyanya kukosha kumashandisirwo anoda ruzivo rwakakwana uye rwechizvino-zvino, sekuvandudza ruzivo nekugadzirisa. SD-DPO ine mukana wekuvandudza mashandiro eLLM mune izvi maapplication.
Nzira yakarongwa, SD-DPO, inogona kuvandudza huchokwadi hweLLMs mukutora ruzivo rwakachengetwa.
Izvi zvakanyanya kukosha kumashandisirwo anoda ruzivo rwakakwana uye rwechizvino-zvino, sekuvandudza ruzivo nekugadzirisa.
SD-DPO ine mukana wekuvandudza mashandiro eLLM mune izvi maapplication.
Interactive Mechanism: Iyo Inonyatsoshanda
Ongorora ari pasi tekinoroji kuseri kwekusimudzira uku uchipindirana.
A route planner searches possible journeys using explicit rules. What does this illustrate about AI?
Zvekutarisa zvinotevera
Nzira yakarongwa, SD-DPO, ine mukana wekuvandudza mashandiro eLLM mukuvandudza ruzivo nekugadzirisa maapplication. Imwe tsvagiridzo inodiwa kuti uongorore zvizere kushanda kweSD-DPO uye kuongorora zvingango shandisa.
Nzira yakarongwa, SD-DPO, ine mukana wekuvandudza mashandiro eLLM mukuvandudza ruzivo nekugadzirisa maapplication.
Imwe tsvagiridzo inodiwa kuti uongorore zvizere kushanda kweSD-DPO uye kuongorora zvingango shandisa.
Mhedzisiro yechidzidzo ichi inoratidza kuti SD-DPO inogona kuvandudza huchokwadi hweLLM mukutora ruzivo rwakachengetwa.