Club d'étude de papier LLMS
Auteur: Yang XI
INTRODUCTION: L'entrepôt enregistre principalement les notes d'étude sur papier à session liées aux ingénieurs d'algorithmes LLMS (multimodal, PEFT, petit échantillon QA Q&A, chiffon, interprétabilité LMMS, agents, COT)
LLMS Adresse de la tour de démon de neuf étages: https://github.com/km1994/llmsninestorydemontower
LLMS Qianmeng Langjun Adresse: https://github.com/km1994/llms_interview_notes
LLMS PAPER NOTES ÉTUDE: https://gitee.com/km601/llms_paper
Adresse polyvalente et polyvalente NLP: https://github.com/km1994/nlp-interview-otes
NLP Paper Study Notes: https://github.com/km1994/nlp_paper_study
Système recommandé avec toutes les côtés et toutes sortes d'adresses: https://github.com/km1994/res-interview-otes
Remarques d'étude sur papier du système recommandé: https://github.com/km1994/rs_paper_study
Moteurs de recherche avec toutes les côtés et toutes sortes d'adresses: https://github.com/km1994/search-engine-interview-otes [Writing]
Remarques de l'étude de la thèse GCN: https://github.com/km1994/gcn_study
Promotion et recherche de la bibliothèque d'armes : https://github.com/km1994/recommendation_advertisement_search
Pour les notes mobiles, vous pouvez suivre le compte officiel [des choses que vous ne savez pas sur NLP] pour l'obtenir et rejoindre le groupe d'apprentissage [NLP && à étudier ensemble! ! !
LLMS Thousand Faces Langjun Interview Exchange Group (Remarque: Vous pouvez ajouter l'éditeur WX: Yzyykm666 pour rejoindre le groupe!)
- Club d'étude de papier LLMS
- Multimodal
- Série PEFT
- Série GPT
- Série de chiffons
- Rag
- Champ d'application de chiffon
- QA Q&A dans le domaine médical
- QA Q&A dans le domaine religieux
- QA Q&A dans le champ de bon sens
- QA Q&A dans le domaine juridique
- QA Q&A dans le domaine du graphique de connaissances
- QA Q&A dans le domaine basé sur les tâches
- QA Q&A dans le champ automobile
- Séries rapides
- Interprétabilité LMMS
- Llms4kg
- Agents LLMS
- Attention
- Recherche
- Comment construire un "requête-doc" via un grand modèle?
- Comment étiqueter des exemples positifs et négatifs "Query-Doc" via un grand modèle?
- Comment réécrire "Query-Doc" via un grand modèle?
- Comment utiliser de manière approfondie le PRF (rétroaction pseudo-liée) + GRF (générer des commentaires connexes) via de grands modèles?
- Comment planifier l'organisation d'un grand modèle?
- Qu'est-ce qu'un rappel?
- Quels sont les problèmes avec le rappel?
- Comment utiliser LLM Retriever basé sur l'encodeur?
- Comment utiliser un Generative LLM Retriever?
- Comment trier par les grands modèles?
- Fine-tune LLM pour le calcul de la similitude
- Invite LLM
- Lit de lit
- Ingénierie de données à réglage fin
- Raisonnement efficace du grand modèle
- Évaluation du grand modèle
- Pré-formation du grand modèle
- Robots
- Apprentissage du renforcement
- Numériques
- se référer à
Multimodal
Gémeaux: une famille de puissants modes multimodaux
- Titre du papier: Gemini: une famille de modèles multimodaux très compétents
- Adresse papier: https://arxiv.org/pdf/2312.11805
- Organisation: Google
- Adresse GitHub:
- Réunion:
- Méthodes papier: Cet article présente une nouvelle série de modèles multimodaux, Gemini, avec des capacités extraordinaires dans la compréhension de l'image, de l'audio, de la vidéo et du texte. La famille Gemini comprend trois échelles: Ultra, Pro et Nano, adaptées aux cas d'utilisation limités par la mémoire sur les appareils.
- Résultats de l'expérience en papier: Dans un large éventail de références, le modèle ultra de Gemini Ultra de la pointe de la technologie a fait les derniers progrès dans 30 des 32 benchmarks, en particulier pour la première fois pour atteindre le niveau d'experts humains sur les références d'examen reconnues examinées par le document. Le document estime que les nouvelles capacités du modèle Gemini dans le raisonnement intermodal et la compréhension des langues seront en mesure de prendre en charge une variété de cas d'utilisation et discutent de l'approche du document pour les déployer de manière responsable aux utilisateurs.
Évaluez les performances de GPT4-V sur les tâches d'inférence structurées
- Titre du papier: Évaluation de GPT4-V sur les tâches de raisonnement structuré
- Adresse papier: https://arxiv.org/pdf/2312.11524
- Organisation: Openai
- Adresse GitHub:
- Réunion:
- Méthodes papier: Cet article évalue principalement les performances du dernier modèle de langue GPT-4V et cinq autres modèles de référence sur les tâches d'inférence structurées. Ces tâches incluent le raisonnement mathématique, l'analyse des données visuelles et la génération de code.
- Les résultats de la recherche montrent que l'introduction des LLM multimodales en chaîne visuelle de pensée s'est considérablement améliorée par rapport aux modèles ordinaires. Dans le même temps, l'article a également classé l'analyse des scénarios dans lesquels le modèle fonctionne bien et est difficile, mettant en évidence les défis rencontrés dans le raisonnement multimodal.
Protip: Planification progressive d'amélioration de la recherche d'outils
- Titre du papier: Protip: la récupération progressive des outils améliore la planification
- Adresse papier: https://arxiv.org/pdf/2312.10332
- mécanisme:
- Adresse GitHub:
- Réunion:
- Méthodes papier: Cet article présente un cadre de récupération d'outils progressif appelé Protip pour des tâches de planification en plusieurs étapes complexes. Le cadre décompose implicitement les tâches par l'apprentissage du contraste tout en maintenant l'atomicité des sous-tases.
- Sur l'ensemble de données Toolbench, Protip dépasse la méthode de décomposition des tâches basée sur Chatgpt dans la récupération d'outils et améliore 24% dans le rappel de TR @ k = 10 et 41% dans la génération de plan.
Llava: grand modèle multimodal classique
- Titre du papier: réglage de l'instruction visuelle
- Adresse papier: https://arxiv.org/abs/2304.08485
- Institutions: Microsoft Research Institute et Columbia University
- Adresse github: https://github.com/haotian-liu/llava
- Réunion:
- Motivation: les modèles de grandes langues comme Chatgpt acceptent uniquement la saisie de texte, alors comment pouvons-nous faire en sorte que les modèles de langage de grands linguisses reçoivent une entrée d'image?
- Méthode papier: Llava propose une méthode,
- Utilisez Clip comme encodeur de l'image et ajoutez une couche de mappage linéaire derrière le clip;
- Carte Les fonctionnalités d'image codées en clip ZU dans l'espace de fonctionnalité du modèle de langue pour obtenir des fonctionnalités visuelles HV;
- Il est envoyé au modèle de langue avec le codage du texte (codage des instructions linguistiques).
- Méthode de formation:
- Phase 1: étape de pré-formation . À ce stade, seule la couche de cartographie linéaire (projection W) est formée pour apprendre la cartographie de l'espace d'image au modèle de langue du modèle de mot-mot . L'ensemble de données utilisé à cette étape est CC3M;
- Phase 2: étape de réglage fin . À ce stade, les paramètres du codeur visuel sont gelés et les paramètres de la couche de mappage linéaire et du modèle grand langage sont formés . Les ensembles de données utilisés dans cette phase sont des ensembles de données ScienceQA et GPT-4.
- Effet expérimental: ce modèle démontre certaines compétences en compréhension graphique et de texte proche du GPT-4 multimodal: il a obtenu un score relatif de 85,1% par rapport au GPT-4. Lorsque le réglage fin a été effectué sur la Science QA, la synergie entre LLAVA et GPT-4 a réalisé une nouvelle sota avec une précision de 92,53%.
Llavar: instruction visuelle améliorée fin
- Titre du papier: Llavar: réglage de l'instruction visuelle améliorée pour la compréhension de l'image riche en texte
- Adresse papier: https://arxiv.org/pdf/2306.17107.pdf
- Organisations: Georgia Tech, Adobe et Stanford
- Adresse GitHub: https://github.com/salt-nlp/llavar
- Réunion:
- motivation:
- Méthode papier: L'outil OCR a été utilisé pour collecter 422k images contenant des informations de texte à partir de l'ensemble de données LAION, puis utiliser le texte reconnu à partir de l'image et la légende de l'image comme mots rapides. Une conversation 16K a été générée en utilisant le texte uniquement GPT-4. Chaque conversation contenait des questions liées à chaque paire de réponses. Ces ensembles de données de dialogue collectés dans le texte et les données de dialogue de Llava forment le modèle llavar qui peut comprendre attentivement les scènes de l'image.
- Structure du modèle:
- Encodeur visuel V: Clip-Vit-L / 14 est utilisé pour les entrées avec une résolution 224x224; Clip-Vit-L / 14-336 est utilisé pour les entrées avec une résolution 336x336. Les fonctionnalités de sortie de la dernière couche de couche de transformateur sont mappées au mot incorporant l'espace du décodeur de langue à travers une matrice de mappage w;
- Décodeur linguistique D: Adopter vicuna-13b basé sur Llama
- Méthode de formation:
- Pré-formation: seule la couche de mappage entre l'encodeur visuel et le codeur LLM est formée (595k graphiques et texte filtré à partir de CC3M à l'aide de LLAVA et de données brutes 422K nouvellement construites);
- Affinement fin: former la couche de mappage et LLM entre l'encodeur visuel et l'encodeur LLM (en utilisant LLAVA pour former les capacités de compréhension des instructions du modèle basé sur les données d'instruction MSCOCO 158K et les données d'instructions 16K nouvellement construites, et le réglage fin de la couche de mappage entre LLM et Graphics);
Vay: la mise à l'échelle du vocabulaire de la vision des modèles de vision de vision
- Titre du papier: Vary: mise à l'échelle du vocabulaire de la vision pour les grands modèles de vision en langue
- Adresse papier: arXiv.org/abs/2312.06109
- motivation:
- La difficulté des documents PDF réside dans la façon de restaurer complètement les images, les tables, les titres, les paragraphes et autres contenus pour former une version texte du document.
- Problèmes avec les grands modèles open source existants
- Le soutien aux Chinois est pauvre, après tout, la plupart des données de formation sont encore principalement en anglais.
- Le niveau de reconnaissance au niveau du document n'est pas élevé. Après tout, les grands modèles multimodaux ne sont pas simplement des tâches OCR, donc les données de formation peuvent faire défaut. Lors de l'identification des images de documents, il est facile de manquer de contenu, ce qui entraîne des hallucinations ou des inexactitudes dans les réponses.
- Idée: en collectant de nouvelles données, en formant un nouvel encodeur visuel, puis en les fusionnant avec l'encodeur visuel d'origine.
Instruct-iMagen: génération d'images sous guidage multimode
- Titre du papier: Instruct-iMagen: Génération d'images avec instruction multimodale
- Organisation: Google Research Institute, Google Deepmind
- Champs connexes: instruction à réglage fin, multimodal
- Adresse papier: https://arxiv.org/pdf/2401.01952
- Auteur: Hexiang HU, Kelvin CK Chan, Yu-chuan Su
- Méthode du papier: Le papier présente Instruct-Imagen, un modèle qui résout des tâches de génération d'images hétérogènes et peut généraliser sur des tâches inconnues. Il introduit la génération d'images guidés multimodales, une représentation des tâches qui utilise le langage naturel pour combiner différentes modalités (par exemple, texte, bords, styles, thèmes, etc.) afin que les riches intentions de génération d'images puissent être standardisées dans un format unifié. Les auteurs construisent Instruct-iMagen en réglant le modèle de diffusion de texte à l'image prétrainé dans un cadre en deux étapes. Premièrement, les auteurs utilisent une formation d'amélioration de récupération pour permettre au modèle de générer des images basées sur des contextes multimodaux externes. L'auteur a ensuite affiné le modèle affiné sur une variété de tâches de génération d'images qui nécessitent une compréhension du langage visuel (par exemple, génération basée sur le sujet, etc.), chacune associée à une guidage multimodal qui contient la nature de la tâche. Les évaluations manuelles sur divers ensembles de données de génération d'images montrent que Instruct-iMagen rivalise ou dépasse les modèles précédents spécifiques à la tâche dans le domaine et démontre des capacités de généralisation prometteuses pour des tâches inconnues et plus complexes.
Llava-φ: Assistant multimodal efficace et modèle petit langage
- Titre du papier: Llava-φ: Assistant multimodal efficace avec modèle de petit langage
- Institutions: idée, Chine orientale Université normale
- Champs connexes: instruction à réglage fin, multimodal
- Adresse papier: arXiv.org/pdf/2401.02330
- Code: github.com/zhuyiche/llava-phi
- Auteur: Yichen Zhu, Minjie Zhu, Ning Liu
- Méthodes en papier: Llava-φ est un assistant multimodal efficace qui utilise la puissance du récent modèle de petit langage avancé PHI-2 pour promouvoir le dialogue multimodal. Llava-φ marque un progrès significatif dans le domaine des modèles multimodaux compacts. Cela prouve que des modèles de langage encore plus petits avec seulement 2,7b de paramètres peuvent participer efficacement à des dialogues complexes qui mélangent du texte et des éléments visuels tant qu'ils sont formés avec du corpus de haute qualité. Le modèle du document a des performances louables sur des repères accessibles au public, notamment la compréhension visuelle, le raisonnement et la perception basée sur les connaissances. En plus de bien performer dans les tâches de dialogue multimodales, le modèle du document ouvre de nouvelles voies pour des applications dans des environnements et des systèmes sensibles au temps qui nécessitent des interactions en temps réel, telles que des agents incarnés. Il met en évidence le potentiel de modèles de langage plus petits pour atteindre des niveaux complexes de compréhension et d'interaction tout en maintenant une efficacité des ressources plus élevée.
Utilisez la formation en texte uniquement, mine d'images à grain fin en génération de sous-titres d'échantillon zéro - Alignement du texte
- Titre du papier: Mining Alignement de texte d'image à grains fins pour le sous-titrage zéro via une formation en texte uniquement
- Institution: Université des sciences et technologies de Shanghai
- Champs connexes: multimodal
- Adresse papier: https://arxiv.org/pdf/2401.02347
- CODE: https://github.com/artanic30/maccap
- Auteur: Longtian Qiu, Shan Ning, Xuming He
- Méthode du papier: Cet article propose un cadre pour générer des sous-titres d'image d'échantillon zéro en utilisant uniquement la formation de texte grâce à l'analyse de l'espace potentiel de clip. En exploitant les caractéristiques visuelles des sous-régions d'image et de la perte d'informations dans les descriptions de texte, les lacunes modales peuvent être réduites et les performances de génération de sous-titres peuvent être améliorées en introduisant l'injection de bruit et en réorganisant les stratégies.
Utiliser le texte supervisé pour apprendre l'apprentissage rapide du modèle de langue visuelle
- Titre du papier: Apprendre à provoquer un texte uniquement sur la supervision pour les modèles de vision en langue de vision
- Institutions: Google, Eth Zurich
- Champs connexes: pré-formation, multimodale
- Adresse papier: https://arxiv.org/pdf/2401.02418
- Code: https://github.com/muzairkhattak/protext
- Auteur: Muhammad Uzair Khattak, Muhammad Ferjad Naeem, Muzammal Naseer
- Méthode du papier: Cet article combine les avantages des informations visuelles et des modèles de langage importants en apprenant les invites à partir de modèles de langue en utilisant uniquement des données texte. Grâce à cette méthode, un transfert d'échantillon zéro vers de nouvelles catégories et ensembles de données peut être réalisé, ce qui réduit le coût de l'ingénierie rapide du modèle de langue grande.
Gpt4video
- Gpt4video
- Titre du papier: GPT4Video: Un modèle de langue multimodale unifiée pour la compréhension et la génération de la sécurité
- Adresse papier: https://arxiv.org/abs/2311.16511
- Exemple de papier: https://gpt4video.github.io/
- Contexte du papier: Le modèle de langue multimodal actuel (MLLM) a vérifié l'efficacité de la fusion de données multimodales, mais n'a pas de travail pour explorer la génération d'informations multimodales;
- Cadre papier:
- Module de compréhension vidéo. Tout d'abord, l'extracteur de fonctionnalité vidéo est extrait, puis la fonctionnalité vidéo et LLM sont alignées via le résumé vidéo;
- Modèle de grande langue. Paramètres pré-entraînés à l'aide de lama, affineur par Lora;
- Module de génération de vidéos. Entrez la sortie de l'invite de LLM vers le modèle Text-Video pour obtenir la vidéo générée.
Série PEFT
Rapide
- Titre du papier: réglage rapide
- Adresse papier: https://arxiv.org/pdf/2107.13586.pdf
- Adresse GitHub:
- Réunion:
- Motivation: Mais pour un modèle de grande langue pré-formé, il semble qu'il soit personnalisé pour chaque tâche, ce qui est très inefficace . Existe-t-il un moyen d'utiliser le modèle de langage pré-formé comme alimentation et différentes tâches comme appareils électriques. Différentes prises ne doivent être sélectionnées que selon différents appareils électriques (tâches). Pour le modèle, c'est-à-dire l'insertion de différents paramètres spécifiques à la tâche, le modèle peut être adapté à la tâche en aval .
- Méthode du papier: Donnez un indice / indice au modèle de langue pré-formé pour l'aider à mieux comprendre les problèmes humains.
Instruction
- Titre du papier: Les modèles de langage à finetune sont des apprenants à tirs zéro
- Adresse papier: https://arxiv.org/abs/2109.01652
- Adresse GitHub: https://github.com/google-research/flan
- Réunion:
- Motivation: PLM fonctionne généralement bien à quelques coups, mais il est très ordinaire sur zéro-shot. Une raison potentielle est que le modèle est difficile à exécuter des multiples de formats différents de la pré-formation.
- Méthode papier: En stimulant la capacité de compréhension des modèles de langue et en donnant des instructions / instructions plus évidentes, laissez le modèle comprendre et faire l'action correcte.
auto-instruction
- Titre du papier: auto-instruction: Alignement Modèle de langue avec des instructions auto-générées
- Adresse papier: https://arxiv.org/abs/2212.10560
- Adresse github: https://github.com/yizhongw/self-instruct
- Réunion:
- Motivation: "réglage des instructions" sur le LLM formé a une excellente capacité de généraliser la capacité de compréhension des instructions dans des paramètres à zéro à de nouvelles tâches . Cependant, cette approche repose fortement sur des modèles de langue importants ainsi que des données à forte instruction rédigées par les humains, ce qui nécessite beaucoup de main-d'œuvre et de ressources matérielles .
- Méthode du papier: Améliorez l'instruction suivant la capacité de LLM en guidant le modèle pour générer des instructions en soi sur l'interface LLM exposée . Il s'agissait d'une méthode de distillation efficace à l'ère LLM, c'est-à-dire en obtenant des données supervisées à partir d'interfaces LLM pré-formées de haute qualité, en réglant le modèle, en distillant la connaissance du grand modèle et en le déploiement sur le modèle cible .
LORA: Adaptation de faible rang des modèles de grandes langues
- Titre du papier: LORA: Adaptation de faible rang des modèles de grande langue
- Adresse papier:
- Adresse GitHub: https://github.com/microsoft/lora
- Réunion:
- motivation:
- Ajouter l'adaptateur : le principal problème est l'effort de calcul supplémentaire et le retard causé par le raisonnement .
- Invite d'optimisation : le réglage du préfixe est difficile à optimiser, et les performances ne changent pas de façon monotone à mesure que le nombre de paramètres augmente .
- Méthode papier:
- Ajoutez une contournement à côté du modèle d'origine pour simuler la quantité de mise à jour de paramètres par décomposition de faible rang (réduction de la dimension, puis augmenter la dimensionnalité);
- Pendant l'entraînement, le modèle d'origine est fixe et seule la matrice de réduction de dimension A et la matrice de soulèvement de dimension B sont formées;
- Lors du raisonnement, BA peut être ajouté aux paramètres d'origine sans introduire des retards de raisonnement supplémentaires;
- L'initialisation, A adopte une initialisation de la distribution gaussienne et B est initialisé à tous les 0, garantissant que la contournement est une matrice 0 au début de la formation;
- Tâche de commutation plugable, la tâche actuelle W0 + B1A1, soustraire la pièce LORA et la remplacer par B2A2, et la commutation de la tâche peut être réalisée;
Dylora: ajustement fin efficace des paramètres pour les modèles pré-entraînés en utilisant une adaptation de faible rang sans recherche dynamique
- Titre du papier: Dylora: réglage économe en paramètres des modèles pré-entraînés en utilisant une adaptation à bas rang sans recherche dynamique
- Adresse papier: https://arxiv.org/pdf/2210.07558v2.pdf
- Adresse GitHub: https://github.com/huawei-noah/kd-nlp/tree/main/dylora
- Réunion:
- Motivation: problèmes avec Lora:
- La valeur du rang est fixe et ne peut pas être modifiée une fois la formation terminée.
- L'optimisation de la valeur d'un rang nécessite beaucoup de recherche et d'efforts.
- Méthode papier: Une technologie d'adaptation dynamique de faible rang (Dy-Lora) a été introduite. Les blocs Lora sont formés pour une série de rangs plutôt que pour un seul rang en triant les représentations apprises par le module adaptateur pendant la formation .
Lomo: Utilisez des ressources limitées pour affiner les paramètres complets des modèles de grande langue
- Titre du papier: Fonction des paramètres complets pour les modèles de grande langue avec des ressources limitées
- Adresse papier: https://arxiv.org/abs/2306.09782
- Adresse github: https://github.com/openlmlab/lomo
- Réunion:
- Motivation: problèmes avec Lora:
- Les modèles de grandes langues (LLM) ont complètement changé le traitement du langage naturel (NLP), mais la formation LLMS nécessite beaucoup de ressources GPU ;
- Bien que les méthodes existantes se concentrent sur des paramètres efficaces fines, c'est-à-dire le réglage fin ou l'ajout d'un petit nombre de paramètres, peu de personnes ont résolu le défi d'ajuster tous les paramètres de LLMS sous des ressources limitées , et le réglage fin à paramètre complet est considéré comme plus puissant que le paramètre efficace du paramètre;
- Méthode du papier: Un nouvel optimiseur, optimisation basse mémoire (LOMO), est proposé, qui fusionne les calculs du gradient et les mises à jour des paramètres en une étape pour réduire l'utilisation de la mémoire . L'utilisation de la mémoire est réduite à 10,8% en intégrant LOMO à la technologie de sauvegarde de la mémoire existante , par rapport à la méthode standard (solution Deeppeed). Par conséquent, cette approche permet un réglage fin des paramètres complets du modèle 65B sur une seule machine, équipé d'un 8 × RTX 3090 avec 24 Go de mémoire vidéo par vidéo.
Qlora
- Titre du papier: Qlora: Finetuning efficace des LLM quantifiés
- Adresse papier: https://arxiv.org/pdf/2305.14314.pdf
- Adresse github: https://github.com/artidoro/qlora
- Réunion:
- Motivation: il y a trois points de douleur dans le réglage fin de Lora:
- Petit espace de paramètres : Lora a moins de paramètres participant à la formation, et l'espace de solution est plus petit, et l'effet est quelque peu différent du réglage fin à grande échelle;
- Le coût des grands modèles de réglage fin est élevé : pour les modèles avec des dizaines de milliards de paramètres, le coût de la fin de la LORA est encore très élevé;
- Perte de précision : pour le deuxième point, INT8 ou INT4 peut être utilisé pour compresser davantage les paramètres de la base du modèle. Cependant, cela entraînera également des problèmes de perte de précision et réduira les performances du modèle.
- Méthode papier:
- 4 bits NormalFloat : propose un type de données quantitatifs 4 bits théoriquement optimal, qui est meilleur que les FP4 et INT4 actuellement couramment utilisés;
- Double quantification : par rapport à la méthode de quantification du modèle actuel, il économise plus d'espace mémoire vidéo. Chaque paramètre économise en moyenne 0,37 bits, ce qui peut économiser environ 3 Go d'espace mémoire vidéo pour le modèle LLAMA 65B;
- Optimisateurs paginés : utilisez la mémoire unifiée nvidia pour éviter les pics de mémoire de point de contrôle de gradient lors du traitement de petits lots de séquences longues;
- Ajout de l'adaptateur : 4 bits normal et double quantification économisent beaucoup d'espace, mais entraîne des pertes de performances. L'auteur compense ces pertes de performance en insérant plus d'adaptateurs. Dans LORA, il est généralement choisi pour insérer des adaptateurs à la couche de connexion complète de la requête et de la valeur. Qlora insère des adaptateurs dans toutes les couches entièrement connectées, ajoutant des paramètres de formation pour compenser les pertes de performances causées par la précision.
Vera: méthode de réglage fin de faible rang avec paramètres réglables 10 fois plus petits que LORA
- Titre du papier: Vera: adaptation à matrice aléatoire basée sur un vecteur
- Adresse papier: https://arxiv.org/pdf/2310.11454.pdf
- Adresse GitHub:
- Réunion:
- Motivation: il y a trois points de douleur dans le réglage fin de Lora:
- LORA: nécessite un grand nombre de paramètres formables. Sur la base de l'étude d'Aghajanyan et al., La limite supérieure de la dimension intrinsèque est beaucoup plus petite que le rang couramment utilisé dans cette méthode. Par conséquent, la quantité de paramètres peut être encore réduite.
- Adalora: Cela réduit encore les paramètres affinés en allouant dynamiquement les paramètres. Cependant, nous pensons qu'il existe une autre méthode qui peut réduire considérablement les paramètres d'entraînement sans diminuer l'effet.
- Méthode papier:
- Réparamétrisation de la matrice de bas rang. Plus précisément, une paire de matrices initialisées aléatoires est congelée, qui sont partagées entre toutes les couches d'adaptation, puis un vecteur évolutif formable qui peut être introduit de couche adaptée par couche. Comme indiqué, similaire à LORA, le vecteur de mise à l'échelle entraîné et la matrice de bas rang peuvent être fusionnés dans le poids d'origine, éliminant les retards d'inférence supplémentaires.
Instruction multilingue Le réglage fin peut être effectué avec seulement une petite quantité de données multilingues
- Titre du papier: réglage d'instruction multilingue avec juste une pincée de multilinalité
- Champs connexes: instruction affinée
- Institutions: Google Research Institute, Université de Tel Aviv
- Auteur: Uri Shaham, Jonathan Herzig, Roee Aharoni
- Adresse papier: https://arxiv.org/pdf/2401.01854
- Adresse GitHub:
- Réunion:
- Analyse: En étudiant l'impact de l'instruction multilingue, le réglage de l'instruction sur les capacités de suivi des instructions dans les modèles multilingues de grande langue (LLMS), cet article a révélé que même dans le réglage fin monolitique, de nombreuses langues peuvent transférer certaines capacités d'instructions suivantes vers d'autres langues. De plus, en utilisant seulement 40 exemples multilingues sur le réglage fin en anglais, les performances de l'instruction multilingue suivante peuvent être considérablement améliorées, que ce soit dans les langues vues ou non vues. Bien qu'il y ait 10 fois moins d'exemples d'entraînement dans ces langues, dans l'ensemble, les modèles utilisant des réglages fins multilingues mixtes présentent des performances comparables ou meilleures dans plusieurs langues par rapport aux modèles de réglage fin monolingue. Enfin, l'universalité transversale peut être augmentée en augmentant le nombre de langues dans l'ensemble de réglage fin des instructions de 1 à 2, 3 ou 4. Les résultats expérimentaux montrent qu'en utilisant un très petit ensemble de réponse d'instructions multilingues, un modèle de réglage fin d'instructions multilingues à grande échelle peut être construit.
Série GPT
Analyse du tableau
- Petit échantillon QA QA Minprompt
- Titre du papier: MinPrompt: augmentation minimale de données invites basée sur des graphiques pour la réponse à quelques coups
- Adresse papier: https://arxiv.org/pdf/2310.05007v1.pdf
- Thèse Adresse GitHub:
- Réunion:
- Motivation: LLM lit la forme
- Question 1: Reconnaissance de la valeur manquante
- Question 2: Reconnaissance de la valeur manquante
- Question 3: Question répond sur le formulaire
- Méthode papier:
- Stratégie d'optimisation 1: optimisation du tableau
- Stratégie d'optimisation 2: Création d'ensembles de données: amélioration de la synthèse
Série de chiffons
Rag
Auto-rag: une stratégie de chiffon pour la génération améliorée par la récupération à travers l'auto-réflexion
- Titre du papier: Self-Rag: Apprendre à récupérer, générer et critiquer à travers l'auto-réflexion
- Adresse papier: https://arxiv.org/abs/2310.11511
- Thèse Adresse GitHub:
- Réunion:
- motivation:
- L'incorrélation entre les segments de recherche et les requêtes : ces méthodes recherchent et fusionnent un certain nombre de segments de recherche sans discernement, que la recherche soit requise ou si le segment est lié, ce qui réduit la polyvalence des LLM ou mène à une mauvaise qualité de génération (Shi et al., 2023), car ils recherchent les segments indiscairement, indépendants, que le soutien fait est utile;
- Les résultats générés ne sont pas nécessairement conformes aux segments pertinents récupérés (Gao et al., 2023): parce que ces modèles ne sont pas explicitement formés pour utiliser et suivre les faits des segments fournis;
- Méthode papier:
- Améliorer la qualité de la génération LLM grâce à la recherche et à l'auto-réflexion à la demande , y compris sa précision factuelle sans compromettre sa polyvalence.
- Le papier forme arbitraire LLM d'une manière de bout en bout pour apprendre à réfléchir sur son propre processus de génération, en générant une sortie de tâche et des jetons spéciaux intermittents (c'est-à-dire des jetons réfléchissants). Les jetons de réflexion sont divisés en jetons de recherche et de commentaire, qui représentent les exigences de recherche et la qualité de la génération.
Rag actif: une stratégie de chiffon qui détermine activement si elle doit être recherchée et ensuite recherchée en cas de besoin
- Titre du papier: Génération augmentée de récupération active
- Adresse papier: https://arxiv.org/pdf/2305.06983.pdf
- Thèse Adresse GitHub: https://github.com/jzbjyb/flare
- Réunion:
- Motivation: c'est évidemment un peu redondant si vous recherchez chaque étape
- Méthode papier:
- Méthode 1: Flare avec des instructions de récupération
- Méthode 2: Flare directe
Document Minprompt QA Q & A
- Titre du papier: MEMSUM-DQA: Adapter un résumé d'extractive de document long efficace pour la réponse aux questions de document
- Adresse papier: https://arxiv.org/pdf/2310.06436v1.pdf
- Thèse Adresse GitHub: https://github.com/nianlonggu/memsum-dqa
- Réunion: CIKM 2023
- motivation:
- Méthode du papier: Le document propose le ** "MEMSUM-DQA, un système de question et de réponse de document efficace (DQA)", qui utilise MEMSUM (un long résumé d'extraction de document) pour extraire sélectivement les blocs de texte du document en ajoutant la question de la question et le type de question fourni à chaque bloc de texte dans un document analysé.
Pdftriage: Q&R pour les documents structurés longs
- Titre du papier: Pdftriage: Question répondant sur des documents longs et structurés
- Adresse papier: https://arxiv.org/pdf/2309.08872.pdf
- Thèse Adresse GitHub:
- Réunion:
- Motivation: lorsque le document ne convient pas à la fenêtre de contexte limité de la LLM, différentes stratégies peuvent être déployées pour obtenir le contexte pertinent.
- Méthode papier:
- Générer des métadonnées de document : extraire les éléments structurels du document et les convertir en métadonnées lisibles;
- Classification basée sur LLM : Query LLM pour sélectionner un contenu précis (page, section, contenu récupéré) dans le document;
- Utilisez le contenu récupéré pour répondre : générer des réponses en fonction de la question et du contenu récupéré.
Ragtruth: un corpus de langues transformées pour développer des modèles de langues améliorés par la recherche fiable
Titre du papier: Ragtruth: A Hallucination Corpus pour développer des modèles de langage de la récupération digne de confiance
Adresse papier: https://arxiv.org/pdf/2401.00396
Champs connexes: évaluation du modèle, construction de données de données
Adresse GitHub:
Réunion:
Méthodes en papier: Cet article présente Ragtruth, un corpus dédié à l'analyse des illusions de niveau mot dans divers domaines et tâches dans un cadre de chiffon standard pour les applications LLM. Ragtruth comprend près de 18 000 réponses générées naturellement à partir de différents LLM en utilisant RAG. Ces réponses sont finement écrites et annotées manuellement, y compris les évaluations de l'intensité des hallucinations. Cet article non seulement compare les fréquences d'hallucination de différents LLM, mais évalue également de manière critique l'efficacité de plusieurs méthodes de détection existantes d'hallucination. De plus, le document démontre que l'utilisation d'ensembles de données de haute qualité tels que Ragtruth, les LLM relativement petits peuvent être affinés et atteindre des niveaux de performance concurrentiels dans la détection d'hallucination avec des approches rapides existantes utilisant des modèles à grande langue de pointe tels que GPT-4.
Champ d'application de chiffon
QA Q&A dans le domaine médical
QA Q&A dans le domaine religieux
- Qasina Religious Field QA Q & A
- Titre du papier: Qasina: Question du domaine religieux Réponse en utilisant Sirah Nabawiyah
- Adresse papier: https://arxiv.org/pdf/2310.08102v1.pdf
- Motivation: avec le développement de grands modèles de langue (LLM). LLM peut être appliqué à divers domaines, mais lorsqu'il est appliqué au domaine religieux islamique, il contredit le principe de transmission de l'information. Dans l'islam, la source d'information est strictement réglementée et qui peut expliquer cette source. La façon dont LLM génère des réponses en fonction de sa propre explication est similaire au concept de Tafseer, qui n'est ni un expert islamique ni une personne que l'islam ne permet pas. Given the high influence of LLM, the author of this article "evaluates LLM in the religious field."
- 论文方法：论文提出了问答Sirah Nabawiyah (QASiNa)数据集，这是一个根据印尼语Sirah Nabawiyah 文献编译的新颖数据集，并使用mBERT、XLM-R和IndoBERT验证该数据集，并使用SQuAD v2.0 的印尼语翻译进行微调。
常识领域QA问答
- QADYNAMICS 常识QA问答
- 论文名称：QADYNAMICS: Training Dynamics-Driven Synthetic QA Diagnostic for Zero-Shot Commonsense Question Answering
- 论文地址：https://arxiv.org/pdf/2310.11303v1.pdf
- 论文Github地址：https://github.com/HKUST-KnowComp/QaDynamics
- 动机：Zero-shot常识问答(QA) 要求模型能够进行一般情况的推理。 最先进的方法一般做法是根据常识知识库(CSKB) 构建的QA对，并对语言模型进行微调，使其能够具备更多的常识知识。但在此过程中，QA对构建过程中可能会引入来自CSKB 的噪声，从而生成不符合预期的语法问答对，这会阻碍模型的泛化能力。
- 论文方法：论文提出了**「QADYNAMICS，一种用于QA诊断和改进的动态驱动框架」**。该方法分析了QA对在问答、选项两个方面上的训练动态，通过删除无信息QA对、错误标记、错误选项来简化训练检测组件。
法律领域QA问答
- Long-Form Legal Question Answering 法律QA问答
- 论文名称：Interpretable Long-Form Legal Question Answering with Retrieval-Augmented Large Language Models
- 论文地址:https://arxiv.org/pdf/2309.17050v1.pdf
- 论文Github地址：https://github.com/maastrichtlawtech/lleqa
- 会议：CIKM 2023
- 动机：许多人可能在一生中的某个时刻面临法律纠纷，但他们缺乏对如何解决这些复杂问题的了解，往往使他们变得脆弱。 自然语言处理的进步为通过开发自动化法律援助系统来弥合法律素养差距开辟了新途径。 然而，现有的法律问答（LQA）方法往往范围狭窄，要么局限于特定的法律领域，要么仅限于简短、无信息的回答。
- 论文方法：论文提出了一种端到端的方法， 「旨在利用“先检索后阅读”的管道生成任何成文法问题的长格式答案」 。 为了支持这种方法，引入并发布了长格式法律问答(LLeQA) 数据集，其中包含1,868 个由专家注释的法语法律问题，以及基于相关法律条款的详细答案。
知识图谱领域QA问答
- CHATKBQA: 知识检索QA问答
- 论文名称：CHATKBQA: A GENERATE-THEN-RETRIEVE FRAMEWORK FOR KNOWLEDGE BASE QUESTION ANSWERING WITH FINE-TUNED LARGE LANGUAGE MODELS
- 论文地址:https://arxiv.org/pdf/2310.08975v1.pdf
- 论文Github地址：https://github.com/LHRLAB/ChatKBQA
- Réunion:
- motivation:
- 知识检索效率低下；
- 检索错误影响语义解析结果；
- 先前KBQA方法的复杂性。
- 论文方法：论文提出首先使用微调的LLM生成逻辑形式，然后通过无监督检索方法检索和替换实体、关系，这直接地改进了生成和检索。
任务型领域QA问答
- InstructTODS: 知识检索QA问答
- 论文名称：InstructTODS: Large Language Models for End-to-End Task-Oriented Dialogue Systems
- 论文地址：https://arxiv.org/pdf/2310.08885v1.pdf
- 论文Github地址：https://github.com/WillyHC22/InstructTODS/
- Réunion:
- 动机：当前，大语言模型(LLM)已用于各种自然语言处理(NLP)任务，但对于任务导向的对话系统（TODS），特别是端到端的TODS的探索仍然存在一定的局限性。
- 论文方法：论文提出了「InstructTODS，该框架可用于Zero-Shot端到端任务导向的对话系统，无需微调即可适应不同的领域」。通过利用LLM，InstructTODS生成代理信念状态(proxy belief state)，将用户意图无缝转换为动态查询，以便与任何知识库进行高效交互。
汽车领域QA问答
- CarExpert: 汽车检索增强QA问答
- 论文名称：CarExpert: Leveraging Large Language Models for In-Car Conversational Question Answering
- 论文地址：https://arxiv.org/pdf/2310.09536v1.pdf
- 论文Github地址：
- Réunion:
- 动机：大型语言模型（LLM）通过遵循自然语言指令而无需对特定领域的任务和数据进行微调，表现出了卓越的性能。然而，利用LLM进行特定领域的问题回答往往会产生幻觉。此外，由于缺乏对领域和预期输出的认识，LLM可能会生成不适合目标领域的错误答案。
- 论文方法：论文提出了「CarExpert」，车内检索增强会话问答系统利用了LLM的不同任务。具体而言，CarExpert采用LLM来控制输入，为提取和生成回答组件提供特定领域的文档，并控制输出以确保安全和特定领域的答案。
Prompt 系列篇
- 小样本QA问答MINPROMPT
- 论文名称：MINPROMPT: Graph-based Minimal Prompt Data Augmentation for Few-shot Question Answering
- 论文地址：https://arxiv.org/pdf/2310.05007v1.pdf
- 论文Github地址：
- Réunion:
- 动机：小样本问答（Few-shot QA）旨在少量训练样本的情况下，让模型给出令人满意的回答。 最新的研究进展主要依赖大型语言模型（LLM）。尽管预训练阶段已经让LLM具备了强大的推理能力，但LLM仍需要进行微调以适应特定领域，以达到最佳结果。
- 论文方法：论文提出了「MinPrompt」，一个基于近似图算法和无监督问题生成的开放域QA的最小数据增强框架。 作者将原始文本转换为图形结构，以在不同的事实句子之间建立联系，然后应用图形算法来识别原始文本中最多信息所需的最小句子集。然后，根据识别的句子子集生成问答对，并在选定的句子上训练模型以获得最终模型。 实证结果表明，MinPrompt 能够以高效率实现与基线相当或更好的结果。
LMMs 可解释性篇
LLMs4KG 篇
- ChatKBQA
- 论文名称：ChatKBQA: A Generate-then-Retrieve Framework for Knowledge Base Question Answering with Fine-tuned Large Language Models
- 论文地址：https://arxiv.org/abs/2310.08975
- Github 地址：https://github.com/LHRLAB/ChatKBQA
- Réunion:
- 动机：利用微调开源大模型进行自然语言问题到逻辑形式的转换，再利用无监督实体关系检索生成图数据库查询语言，实现自然语言的知识图谱问答框架。
- 论文方法：提出了ChatKBQA，这是一种基于微调开源LLMs（大型语言模型），如Llama-2-7B，ChatGLM2-6B和Baichuan2-7B等，的新型生成-检索KBQA框架；
- 首先微调生成逻辑形式，然后对生成的逻辑形式中的实体和关系在知识库中的实体库和关系库分别做检索，避免了以前方法存在的先检索对逻辑形式生成的影响，并提高检索效率；
- 在生成阶段，使用指令微调技术对开源LLMs进行微调，赋予它们感知和生成逻辑形式的能力
LLMs Agents 篇
Jeu de rôle
Attention
- System 2 Attention
- 论文标题：System 2 Attention (is something you might need too)
- 论文链接：https://arxiv.org/abs/2311.11829
- Github 地址：
- 动机：大型语言模型(LLM)非常强大，但它们仍容易出现简单的错误，这似乎显示出弱的推理能力。例如，不相关的上下文或输入提示中固有的偏好或意见，都可能使它们产生错误判断，在后一种情况下，展现了一种称为阿谀奉承的问题，即模型与输入一致同意。
- 论文方法：论文提出了一种技术方案--System 2 Attention(S2A)，可以让LLM决定输入上下文的重要部分，来生成好的响应。实现这点的方法是：首先诱导LLM重新生成只包含相关部分的输入上下文，然后关注重新生成的上下文以引出最终响应。
- 论文在实验中证明，S2A可以成功重写会降低最终答案质量的上下文，因此论文的方法可以同时提高事实性并减少其响应中的阿谀奉承。
- 未来的研究仍有许多空间。在论文的实验中，采用了零样本提示来实现S2A。其他方法可以通过考虑微调、强化学习或替代提示技术(alternative prompting techniques)来进一步优化论文的方法。成功的S2A还可以压缩回标准LLM生成，例如：通过使用原始提示作为输入和最终改进的S2A响应作为目标进行微调。
Recherche
如何通过大模型构建“query-doc”？
解释：对搜索数据进行数据增强就是获取更多的“query-doc”对。一种方法是根据query生成假doc，而另一种是根据doc生成假query。
InPars: 基于大型语言模型的信息检索数据扩充
- 论文名称: InPars: Data Augmentation for Information Retrieval using Large Language Models
- 论文地址：https://arxiv.org/abs/2202.05144
- 方法：InPairs利用LLM的上下文学习能力，结合给出的示例，给doc生成了大量的假query，然后通过微调后的语言模型进行结果“过滤”。
InPars-v2: 大型语言模型作为信息检索的有效数据集生成器
- 论文名称: InPars-v2: Large Language Models as Efficient Dataset Generators for Information Retrieval
- 论文地址：https://arxiv.org/abs/2301.01820
- 方法：在inPairs-V2版本中，一个较大的变化是，其利用在检索数据集上微调的T5-3B模型来过滤生成的查询，而不是简单的通过概率进行过滤，以此来提升生成数据的可靠性。
InPairs-Light：高效排名者的成本效益无监督培训
- 论文名称: InPairs-Light：Cost-Effective Unsupervised Training of Efficient Rankers
- 论文地址：https://arxiv.org/abs/2301.02998
- 方法：后续的inPairs-Light版本也对“过滤器”进行了瘦身，参数从30亿降至2亿。
InPairs-Light：从8个例子看Few-shot Dense Retrieval
- 论文名称: Promptagator：Few-shot Dense Retrieval From 8 Examples
- 论文地址：https://arxiv.org/abs/2301.02998
- 方法：PROMPTAGATOR 利用inPairs中“生成-过滤”这一过程，在生成的样本上微调检索器，然后使用该检索器过滤生成的样本。重复这两个步骤直到收敛，以产生高质量的训练集。
UDAPDR：基于LLM提示和重排序的无监督域自适应
- 论文名称: UDAPDR: Unsupervised Domain Adaptation via LLM Prompting and Distillation of Rerankers
- 论文地址：https://arxiv.org/abs/2303.00807
- 动机：在inPairs-V2版本中，研究者意识到请求LLM如chatgpt、gpt4的API进行数据增强会带来高额的成本，开始采用开源的LLM替换API请求方式，但可能会导致增强数据的质量下降。
- 方法：UDAPDR 针对这一问题，先用高质量LLM根据doc生成高质量query，然后用高质量doc-query送入低成本LLM扩充数量，兼顾了成本和效果问题，其过程如图所示。
如何通过大模型标注“query-doc” 正负样例？
通过上述方法虽然能够构建“query-doc”，但是如何辨别真假呢？这个时候可以利用LLM获取query与doc的假label，即让模型帮我判断这条数据是不是正样本，是正样本的概率是多少？
ART：训练Dense Passage Retriever 所需的全部问题
- 论文名称: ART：Questions Are All You Need to Train a Dense Passage Retriever
- 论文地址：https://arxiv.org/abs/2206.10658
- 方法：先将query经过向量编码，然后通过向量检索器选出相关文档，再让模型给每个文档与query的相关性进行打分。这一打分被作为soft label，反馈给之前的passage encoder和question encoder进行更新训练。
ExaRanker：Explanation-Augmented Neural Ranker
- 论文名称: ExaRanker：Explanation-Augmented Neural Ranker
- 论文地址：https://arxiv.org/abs/2206.10658
- 方法：ExaRanker 使用GPT-3.5 为检索数据集生成解释，随后训练一个seq2seq 排名模型来生成相关标签以及给定查询-文档对的相应解释。
ChatGPT-RetrievalQA：为交叉编码器重排器生成合成文档： ChatGPT 与人类专家的比较研究
- 论文名称: ChatGPT-RetrievalQA：Generating Synthetic Documents for Cross-Encoder Re-Rankers: A Comparative Study of ChatGPT and Human Experts
- 论文地址：https://arxiv.org/abs/2305.02320
- 方法：我们研究了生成式大型语言模型(llm)在为交叉编码器重新排序器生成训练数据方面的有用性，该方向是:生成合成文档而不是合成查询。我们引入了一个新的数据集ChatGPT-RetrievalQA，并比较了在llm生成和人工生成数据上微调的模型的有效性。生成式llm生成的数据可用于增强训练数据，特别是在标记数据数量较少的领域。我们基于一个现有的数据集，人类ChatGPT比较语料库(HC3)构建ChatGPT- retrievalqa，该数据集由公共问题集合组成，其中包含来自ChatGPT的人类响应和答案。
- 实验结果：我们在人工生成或chatgpt生成的数据上微调一系列交叉编码器重新排名。我们对MS MARCO DEV、TREC DL'19和TREC DL'20的评估表明，在ChatGPT响应上训练的交叉编码器重新排序模型比在人类响应上训练的模型更有效。在有监督的环境中，人工训练的重新排名者的表现优于法学硕士训练的重新排名者。我们的新发现表明，生成式llm在为神经检索模型生成训练数据方面具有很高的潜力。需要进一步的工作来确定在生成的响应中事实错误信息的影响，并测试我们的发现在开源法学硕士中的普遍性。我们为将来的工作发布数据、代码和交叉编码器检查点。
如何通过大模型改写“query-doc”？
让LLM作为生成模型，根据用户的query写一段文本，将其作为改写结果送入后续的检索模块，以提高最终的检索质量。
如何通过大模型综合利用PRF（伪相关反馈）+GRF（生成相关反馈）？
以上研究都是利用LLM的生成结果作为改写结果的主要内容，我们可以将其看作是一种生成相关反馈（GRF），而不少研究也同时在模型生成或结果后处理阶段加入伪相关反馈（PRF）的方法来改进改写结果的质量。
HyDE:无关联标签的精确Zero-Shot Dense Retrieval
- 论文名称: HyDE：Precise Zero-Shot Dense Retrieval without Relevance Labels
- 论文地址：https://arxiv.org/abs/2212.10496
- 动机：LLM幻觉问题
- 方法：HyDE将LLM生成的结果进行编码，利用向量检索器，与真实的文档库中的候选文档进行相关性匹配，然后利用真实的文档作为改写的结果辅助查询。可以看出，该方法实质上就是利用LLM的输出结果而不是query去召回伪文档。
- avantage:
- 相比传统的PRF方法，保证了第一次检索的伪文档的相关性；
- 相比Query2doc等方法，又通过结合PRF避免了LLM可能产生幻觉的问题，保证了结果的高度真实性。
- 类似地，LameR则是将PRF这一过程放到了LLM输入之前。
LameR:大型语言模型是强大的零样本检索器
- 论文名称: LameR：Large Language Models are Strong Zero-Shot Retriever
- 论文地址：https://arxiv.org/abs/2304.14233
- 动机：LLM幻觉问题
- méthode:
- avantage:
Rewrite-Retrieve-Read：针对检索增强的大型语言模型的查询重写
- 论文名称: Rewrite-Retrieve-Read：Query Rewriting for Retrieval-Augmented Large Language Models
- 论文地址：https://arxiv.org/abs/2305.14283
- 动机：LLM幻觉问题
- 方法：Rewrite-Retrieve-Read这一研究则是利用改写去加强检索增强LLM的效果。Rewrite-Retrieve-Read图中从左到右分别是：检索增强LLM、带有改写器的检索增强LLM、带有强化学习改写器的检索增强LLM。其中Rewrite-Retrieve-Read指的是第三个。可以看出，Rewrite-Retrieve-Read方法不仅利用LLM作为改写器增加了其检索增强的效果，还引入了强化学习，通过最终答案的反馈，来训练高质量LLM改写器。
- avantage:
PRF+GRF:稀疏、稠密和学习稀疏检索的生成和伪相关反馈
- 论文名称: PRF+GRF：Generative and Pseudo-Relevant Feedback for Sparse, Dense and Learned Sparse Retrieval
- 论文地址：https://arxiv.org/abs/2305.07477
- 动机：LLM幻觉问题
- 方法：PRF+GRF直接结合PRF和LLM输出的结果，然后综合加权考虑两者的结果作为改写结果。
- avantage:
InteR:通过搜索引擎和大型语言模型之间的交互进行知识提炼
- 论文名称: InteR：Knowledge Refinement via Interaction Between Search Engines and Large Language Models
- 论文地址：https://www.researchgate.net/publication/370763983_Knowledge_Refinement_via_Interaction_Between_Search_Engines_and_Large_Language_Models
- 动机：LLM幻觉问题
- 方法：InteR则是一种搜索系统和LLM多轮交互框架，通过多次PRF、LLM输出，达到增强两过程效果的目的。
- avantage:
如何通过大模型进行召排？
何为召回？
召回（retrive）是搜索系统中的核心模块，可分为基于统计算法的稀疏检索（Sparse Retriever）和基于神经网络的密集检索（Dense Retriever）。
召回存在哪些问题？
- query短且模糊
- doc长且噪声多
- 监督数据标注成本高
- PLM模型仍存在改进空间
如何基于encoder的LLM检索器？
基于encoder的检索器指的是在密集检索中，使用LLM出色的语义能力获取query或doc的向量表示，用向量检索器进行检索召回。
如何基于生成式的LLM检索器？
上面的研究都旨在利用LLM的强大语义编码能力对query、doc等内容进行编码。但在LLM崭露头角之前，就有不少研究致力于构建end2end式的检索模型，成为生成式检索器（Generative Retriever）。相比先编码再检索，生成式方法通过联合编码器和解码器，直接获取要检索的文档标识符
如何通过大模型进行排序？
微调LLM进行相似度计算
在gpt3等超大型参数模型出现之前，不少研究都利用PLM，将排序任务看作相似度计算任务来获得每个query和doc的相似度得分。RankT5就是这样一种模型，他基于T5直接计算查询-文档对的相关分数，并使用pairwise或listwise计算排名损失进行微调。
- RankT5: 用于具有排名损失的文本排名的微调T5
- 论文名称: RankT5：Fine-Tuning T5 for Text Ranking with Ranking Losses
- 论文地址：https://arxiv.org/abs/2202.06991
- motivation:
- 方法：RankT5有两种得分计算方法，一种是encoder-decoder结构，另一种则是不需要解码直接根据encoder编码得到排序分数。
- 作者实验证明，两种结构效果上各有胜负，这也侧面表明decoder作用其实不大，蒸馏等操作可以直接对encoder下手。类似的研究还有很多，只是把backbone换为BERT、BART、GPT等即可。
提示LLM
对超大规模LLM进行微调存在成本昂贵的明显问题，不少研究选择利用LLM的提示能力得到query与doc是否相似的答案。
UPR：利用零样本问题生成改进文章检索
- 论文名称: UPR：Improving Passage Retrieval with Zero-Shot Question Generation
- 论文地址：https://aclanthology.org/2022.emnlp-main.249/
- 会议：ACL2022
- 动机：排序的实质是进行query和doc间的相似度计算，这一分数也可以看作是根据query获得doc的概率。
- 方法：UPR利用这一过程的逆向思路，利用prompt提示LLM，针对每一个doc，逐一计算query中各个token的生成概率，并将这一概率作为query和doc的相似度分数。简单理解，就是用LLM根据prompt对每个doc生成对应的query，称为假query。然后将生成后的假query和原query送入语言模型进行打分，计算两者的一个“相似度”。这里的相似度并不是我们熟知的向量相似度，而是“假query复原原query”的概率，其过程如上面公式所示。最后，对这个得分进行排序以获取最终的排序结果。
RankGTP：ChatGPT擅长搜索吗？作为重新排序代理的大型语言模型研究
- 论文名称: RankGTP：Is ChatGPT Good at Search? Investigating Large Language Models as Re-Ranking Agent
- 论文地址：https://aclanthology.org/2023.emnlp-main.923/
- 会议：EMNLP2023
- motivation:
- 方法：RankGPT和LLR都采用类似list-wise的方式来获取LLM的排序结果。相比point-wise，list-wise的场景下LLM能够关注到更多的doc信息，直接输出文档id的排序结果，且不需要打分模型的参与。为了解决list-wise场景下输入的doc过长的问题，RankGPT采用了滑动窗口的方法，指定k大小的窗口来获取最终top-k的排序结果。
LLR:基于大型语言模型的零射击列表式文档重排序
- 论文名称: LLR：Zero-Shot Listwise Document Reranking with a Large Language Model
- 论文地址：https://aclanthology.org/2023.emnlp-main.923/
- 会议：ACL2023
- motivation:
- méthode:
PRP：大型语言模型是具有成对排序提示的有效文本排序器
- 论文名称: PRP：Large Language Models are Effective Text Rankers with Pairwise Ranking Prompting
- 论文地址：https://arxiv.org/pdf/2306.17563.pdf
- Réunion:
- motivation:
- 方法：PRP的作者认为相比其他两种方式，LLM的对比理解能力更强。而且pairwise的方式既支持生成式模型，又支持打分模型，且因为要比较两个对象，可选择的排序算法较多，如堆排序、冒泡排序、快速排序等，整体方式方法较为灵活。
Co-Prompt：通过约束生成的离散提示优化零样本重随机
- 论文名称: Co-Prompt：Discrete Prompt Optimization via Constrained Generation for Zero-shot Re-ranker
- 论文地址：https://aclanthology.org/2023.findings-acl.61.pdf
- 会议：ACL2023
- motivation:
- 方法：Co-prompt方法将soft prompt条件生成技术应用至point-wise的LLM排序任务，将PLM作为生成器生成soft prompt，然后通过LLM作为鉴别器鉴别，来条件生成最优的prompt。这一方法可以同样被应用于其他提示LLM的任务中，有效提升LLM的提示效果。
CoT 篇
- 如何提升LLMs：Self-Prompted CoT
- 论文名称：Self-prompted Chain-of-Thought on Large Language Models for Open-domain Multi-hop Reasoning
- 论文地址：https://arxiv.org/pdf/2310.13552.pdf
- motivation:
- 开放域多跳推理（ODMR） 局限性：ODMR需要通过明确的推理步骤回答多跳问题，而不依赖于任何提供的上下文。这比有上下文的多跳问答要困难得多，因为模型不能依赖于检索相关段落；
- 链式思考（CoT） 局限性：
- 论文框架：提出了一种自我提示的思维链（SP-CoT）自动化框架，通过大型语言模型（LLMs）自身生成高质量多样化的思维链，用于开放域多轮推理（ODMR）。关键思想是：
- 自动化流水线生成带有多跳问题和推理链的ODMR数据集
- 自适应采样选择多样化的高质量CoTs作为示范
- 通过上下文学习从生成的CoTs中学习自我引导的推理
微调数据工程篇
EMNLP'23大模型时代的数据标注——FreeAL
- 论文名称：FreeAL: Towards Human-Free Active Learning in the Era of Large Language Models[J].
- 论文地址： https://arxiv.org/pdf/2311.15614
- 思路：
- 数据标注依然重要，完全监督、弱监督的小模型在很多场景下比（未精调）大模型强；
- 利用LLM进行标注是完全可行的，小模型可以协同进行过滤、精炼大模型的标签；
- 弱监督学习、主动学习这两个领域，我想依然有活着的价值。
From Quantity to Quality：如何挑选具有增强LLM指令调优潜力的数据样例？
- 论文名称：From Quantity to Quality: Boosting LLM Performance with Self-Guided Data Selection for Instruction Tuning
- 论文地址：https://arxiv.org/pdf/2308.12032.pdf
- GitHub 地址：https://github.com/MingLiiii/Cherry_LLM
- 动机：如何挑选具有增强LLM指令调优潜力的数据样例？
- 思路：
- Learning from Brief Experience：选取有代表性的训练数据训练LLaMA；
- Evaluating Based on Experience：利用训练好模型计算原始数据中所有IFD指标；
- Retraining from Self-Guided Experience：批量跑得到每个样本的IFD得分，然后选取较高得分（prompt困难样本）的样本，paper中称为cherry samples，用其重新训练模型。
Active Instruction Tuning：怎么更好的选择一个新任务来提高模型泛化性？
- 论文名称：Active Instruction Tuning: Improving Cross-Task Generalization by Training on Prompt Sensitive Tasks
- 论文地址：https://arxiv.org/pdf/2311.00288.pdf
- GitHub 地址：
- 动机：如何筛选出适合当前给定这个LLM的高质量数据，也就是说高质量是和模型深度绑定的。
- 提出了一个Prompt Uncertainty 思路：假设有一个原始样本对<prompt, response>，然后对prompt做一些扰动得到promot_v1，其中promot_v1还是要保留大部分prompt语义，然后将prompt和promot_v1分别传给模型，分别拿到response的输出，计算得到两者之间的likelihood值，该值即为Prompt Uncertainty。
MoDS: 如何自动筛选高质量数据？
- 论文名称：MoDS: Model-oriented Data Selection for Instruction Tuning
- 论文地址：https://arxiv.org/pdf/2311.15653.pdf
- GitHub 地址：https://github.com/CASIA-LM/MoDS
- 动机：如何筛选出适合当前给定这个LLM的高质量数据，也就是说高质量是和模型深度绑定的。
- “高质量”数据的标准是什么？
- 质量:高质量的prompt以及对应的高质量response可以很好的让模型学会遵循指令；
- 覆盖率: prompt的多样性，越多样性越好；
- 必要性:同一条prompt对不同基座模型的重要度和必要性是不一样的，如果一条prompt对于基座来说已经很好的输出response了，也就是说模型已经很好的遵循prompt了，不需要再训练了，相反则是模型需要的。
- “高质量”数据的如何筛选？
- Quality Evaluation：基于模型打分筛选出高质量的SFT数据；
- Diverse Data Selection for Seed Instrucitons：在这份高质量SFT数据集中继续过滤出一个子集，该子集的多样性要足够好，能表征整个数据集；
- Augmented Data Selection
符尧：别卷大模型训练了，来卷数据吧！
- 论文名称：An Initial Exploration of Theoretical Support for Language Model Data Engineering
- 论文地址：https://yaofu.notion.site/An-Initial-Exploration-of-Theoretical-Support-for-Language-Model-Data-Engineering-Part-1-Pretraini-dc480d9bf7ff4659afd8c9fb738086eb
大模型对代码的记忆痕迹
- 论文名称：Traces of Memorisation in Large Language Models for Code
- 论文地址：https://arxiv.org/pdf/2312.11658
- Github 地址：
- Réunion:
- 论文方法：该论文主要研究了大语言模型对代码的记忆问题，并比较了代码模型和自然语言模型的记忆率。研究人员构建了自然语言的基准测试集，并通过识别易受攻击的样本构建了代码的基准测试集。他们对多种模型运行了这两个测试集，并进行了数据提取攻击。研究发现，大语言模型对代码也存在数据提取攻击的风险。从可提取的训练数据中，他们成功提取了CodeGen-Mono-16B代码补全模型中的47%数据。研究还发现，随着参数数量的增加，模型记忆的内容也增加，并且模型的预训练数据也容易受到攻击。数据承载者的记忆率高于普通代码或文档，并且不同的模型架构记忆不同的样本。数据泄露具有严重后果，因此该论文敦促研究界采用更广泛的模型和提取技术来进一步调查这一现象，以建立相应的保护措施。
避免语言模型评估中的数据污染：动态测试构建与最新材料
- 论文名称：Avoiding Data Contamination in Language Model Evaluation: Dynamic Test Construction with Latest Materials
- 论文地址：https://arxiv.org/pdf/2312.12343
- Github 地址：
- Réunion:
- 论文方法：这篇论文提出了最新评估方法（LatestEval），利用最新的文本创建无污染的阅读理解评估，避免数据污染带来的挑战。最新评估通过仅使用最近时间窗口内发布的文本来避免数据污染，并确保不与预训练语言模型的训练语料库重叠。论文开发了一套LatestEval自动化流程，包括：1）收集最新文本；2）识别关键信息；3）构建问题，同时从上下文中删除现有答案，鼓励模型基于剩余上下文推断答案而不是简单复制粘贴。
- 实验结果表明，相对于先前的基准测试，语言模型在最新评估上几乎不表现出记忆行为，这表明了数据污染的风险大大降低，从而导致更可靠的评估。
GeomVerse: 对几何推理的大型模型的系统评估
- 论文名称：GeomVerse: A Systematic Evaluation of Large Models for Geometric Reasoning
- 机构：谷歌研究院、Google DeepMind
- 论文地址：https://arxiv.org/pdf/2312.12241
- Github 地址：
- Réunion:
- 论文方法：这篇论文通过几何问题的视角评估了视觉语言模型（VLMs）在多个方面上的推理能力。
- 通过在多个深度级别上构建该论文的基准测试，实验结果表明，与以前的基准测试所示的推理能力相比，这些模型在几何学（以及一般情况下需要类似推理的其他主题）方面的能力并不如人们所想的那么强大。这在解决更高深度问题时尤为明显，因为解决更高深度的问题需要较长的推理链而不是额外的记忆知识。该论文在该领域的进一步研究中发布了数据集。
仅用1%的数据完胜全量数据微调模型!
论文名称：One Shot Learning as Instruction Data Prospector for Large Language Models
mécanisme:
作者：Li, Yunshui and Hui, Binyuan and Xia, Xiaobo and Yang, Jiaxi and Yang, Min and Zhang, Lei and Si, Shuzheng and Liu, Junhao and Liu, Tongliang and Huang, Fei and others
论文地址：arxiv.org/pdf/2312.10302.pdf
相关领域：训练数据构建
Github 地址：https://github.com/pldlgb/nuggets
Réunion:
论文方法：仅用1%的数据完胜全量数据微调模型!#不懂就问有问必答论文中提出了一种名为Nuggets”的方法，意欲从堆积如山的指令微调数据中挖掘出黄金数据。这种方法利用大语言模型(LLM)自身作为数据探索工具，通过One shot learning 或者说是Incontext learning，从庞大的指令数据集中挑选出有益的数据。直观来说，如果某个指令对于某个特定任务的少样本学习(Few shot learning)有帮助，那么这个指令就值得被用于训练。如果这个指令能对多个任务有益，那么它就应该成为主要的数据重点另外，有研究显示，In context learning通过提示(Demonstrations)来隐式微调模型，相当于语言模型在幕后以元优化器的角色进行梯度下降操作。因此，利用在In context learning下的性能来预测指令微调的效果是很有前景的。
高效大模型推理篇
有限内存下的高效大模型推理
- 论文名称：LLM in a flash: Efficient Large Language Model Inference with Limited Memory
- 论文地址：https://arxiv.org/pdf/2312.11514
- Github 地址：
- Réunion:
- 论文方法：这篇论文主要解决的问题是如何在有限的内存容量下高效地运行超出DRAM容量的大语言模型。通过将模型参数存储在闪存上，并根据闪存内存行为按需将其带入DRAM来解决这一挑战。论文通过构建一个与闪存内存行为相协调的推理成本模型，指导该论文在两个关键领域进行优化：减少从闪存传输的数据量和以更大、更连续的块读取数据。论文介绍了两种主要技术：窗口化策略降低数据传输量，行-列捆绑增加从闪存读取的数据块大小。这些方法使得模型可以在可用DRAM容量的两倍大小下运行，并且与CPU和GPU中的简单加载方法相比，推理速度分别增加了4-5倍和20-25倍。该论文的稀疏意识、上下文适应加载和面向硬件的设计为在内存有限的设备上高效推理大语言模型铺平了道路。
ComplexityNet: 通过学习任务复杂度来提高LLM推理效率
- 论文名称：ComplexityNet: Increasing LLM Inference Efficiency by Learning Task Complexity
- 论文地址：https://arxiv.org/pdf/2312.11511
- Github 地址：
- Réunion:
- 论文方法：这篇论文主要介绍了ComplexityNet，这是一个专门用于评估任务复杂度的精简语言模型。该模型预测了不同能力的各种语言模型的输出准确性的可能性。作者的初步应用是在Mostly Basic Python Problems (MBPP)数据集上。他们首次创建了一组标签来定义任务复杂度。ComplexityNet在确定任务复杂度方面取得了显著的79%准确率，相比于原始模型的34%准确率有了显著改进。此外，与使用最高复杂度模型相比，ComplexityNet可以有效地减少90%的计算资源使用量，同时保持高达86.7%的代码生成准确率。这项研究表明，通过微调较小的模型来对任务进行分类，可以在使用大型语言模型时在准确性和效率之间取得更平衡的权衡。该论文的发现为优化LLM应用指明了一个有前景的方向，尤其是在资源受限的环境下。
超越Chinchilla-Optimal: 在语言模型缩放定律中考虑推理
- 论文名称：Beyond Chinchilla-Optimal: Accounting for Inference in Language Model Scaling Laws
- 论文地址：https://arxiv.org/pdf/2401.00448
- 相关领域：模型结构改进
- Github 地址：
- Réunion:
- 论文方法：本论文修改了Chinchilla缩放定律，计算了训练和部署具有给定推理需求和质量的语言模型所需的最佳参数数量和预训练数据大小。研究发现，对于预计存在相当大推理需求（约10亿次请求）的语言模型研究者来说，应该训练比Chinchilla-optimal更小更长的模型。
Understanding LLMs：从训练到推理的全面概述
- 论文名称：Understanding LLMs: A Comprehensive Overview from Training to Inference
- 论文地址：https://arxiv.org/pdf/2401.02038
- 相关领域：模型结构改进、预训练
- 作者：Yiheng Liu, Hao He, Tianle Han
- Github 地址：
- Réunion:
- 论文方法：这篇论文讨论了大语言模型（LLMs）的训练技术和推理部署技术的演变，并探讨了低成本训练和部署LLMs在未来的发展趋势。训练方面的讨论包括数据预处理、训练架构、预训练任务、并行训练以及与模型微调相关的内容。在推理方面，论文还涵盖了模型压缩、并行计算、内存调度和结构优化等主题。它还探讨了LLMs的应用，并对它们的未来发展提供了见解。
大模型评估篇
大模型预训练篇
TeleChat：一个包含30亿、70亿和120亿参数的大型语言模型集合
- 论文名称：TeleChat Technical Report
- mécanisme:
- 作者：Zihan Wang, Xinzhang Liu, Shixuan Liu
- 论文地址：arxiv.org/pdf/2401.03804
- 相关领域：模型结构改进、预训练、指令微调、模型评估
- Github 地址：
- Réunion:
- 论文方法：TeleChat是一个包含30亿、70亿和120亿参数的大型语言模型集合。它包括预训练的语言模型和与人类偏好一致的fine-tuned聊天模型。TeleChat首先在包含英文和中文的各种文本的广泛语料库上进行预训练，包括数万亿个标记。随后，模型通过细调以与人类偏好一致，遵循该论文描述的详细方法。该论文对TeleChat在语言理解、数学、推理、代码生成和基于知识的问答等各种任务中的性能进行评估。
- 实验结果：TeleChat在广泛的公共基准测试中达到了与其他相似规模的开源模型相当的性能。为了支持未来利用LLMs的研究和应用，该论文向公众社区发布了TeleChat 7B和12B变种的fine-tuned模型检查点，以及代码和部分预训练数据。
大模型并不是你所需要的全部
- 论文名称：Large Language Models aren't all that you need
- 机构：印度理工学院
- 作者：Kiran Voderhobli Holla, Chaithanya Kumar, Aryan Singh
- 论文地址：arxiv.org/pdf/2401.00698
- 相关领域：模型结构改进、预训练
- Github 地址：
- Réunion:
- 论文方法：这篇论文主要探讨了在解决SemEval 2023任务2：多语种复杂命名实体识别方面的架构和系统。作者评估了两种方法，一种是传统的CRF模型，另一种是经过定制头部微调的大型语言模型（LLM），并进行了比较。论文探索了一些新颖的想法，包括：1）衰减辅助损失（具有残差）- 在模型上训练粗粒度命名实体识别的辅助任务，并将该任务作为损失函数的一部分；2）三元标记混合- 在最终的命名实体识别层中，探索了混合相邻标记嵌入的方法；3）任务优化头部- 探索了各种定制头部和学习率用于LLM的最终层。作者还尝试了多个LLM，包括GPT-3，并在最终模型上进行了多种dropout和超参数设置的实验，最终在测试数据上获得了0.67/0.61的micro & macro f1分数。研究结果表明，尽管预训练的LLM相比传统模型带来了很大的性能提升，但通过上述额外的特征/损失/模型工程技术对宏观F1分数的改进是可行的。
TinyLlama: 一个开源的小型语言模型
- 论文名称：TinyLlama: An Open-Source Small Language Model
- mécanisme:
- 作者：Peiyuan Zhang, Guangtao Zeng, Tianduo Wang
- 论文地址：arxiv.org/pdf/2401.02385
- 相关领域：模型结构改进、预训练
- Github 地址：github.com/jzhang38/TinyLlama
- Réunion:
- 论文方法：TinyLlama是一个在大约3个时期内在大约1万亿个标记上预训练的紧凑1.1B语言模型。TinyLlama建立在Llama 2的架构和分词器之上，利用了开源社区贡献的各种进展（例如FlashAttention），实现了更好的计算效率。尽管规模相对较小，但TinyLlama在一系列下游任务中展现了显著的性能。它明显优于具有相似规模的现有开源语言模型。该论文的模型检查点和代码公开在GitHub上，网址为https://github.com/jzhang38/TinyLlama。
LLM增强LLM：通过组合扩展能力
- 论文名称：LLM Augmented LLMs: Expanding Capabilities through Composition
- 机构：谷歌研究院、Google DeepMind
- 作者：Rachit Bansal, Bidisha Samanta, Siddharth Dalmia
- 论文地址：arxiv.org/pdf/2401.02412
- 相关领域：模型结构改进、预训练
- Github 地址：
- Réunion:
- 论文方法：这篇论文主要探讨了在大语言模型的基础上如何通过组合来增强模型能力的问题。通过引入交叉注意力机制，将现有的模型与具有特定任务的模型进行组合，从而实现新的能力。作者提出的CALM方法在多个领域和设置下都适用，并通过将PaLM2-S与在低资源语言上训练的较小模型进行组合，在翻译和算术推理等任务上取得了显著的改进。
LLaMA Pro: 带有块扩展的渐进式LLaMA
- 论文名称：LLaMA Pro: Progressive LLaMA with Block Expansion
- 机构：香港大学、上海交通大学、Tencent PCG实验室
- 作者：Chengyue Wu, Yukang Gan, Yixiao Ge
- 论文地址：arxiv.org/pdf/2401.02415
- 相关领域：模型结构改进、预训练
- Github 地址：
- Réunion:
- 论文方法：这篇论文介绍了一种新的后预训练方法，通过扩展Transformer模块，仅使用新语料库进行调整，有效提升模型的知识，避免灾难性遗忘。研究者在代码和数学语料库上进行实验，得到了LLaMA Pro-8.3B模型，该模型基于LLaMA2-7B模型初始，在通用任务、编程和数学方面有出色表现。LLaMA Pro及其指令遵循对应模型(LLaMA Pro-Instruct)在各项基准测试中取得了先进的性能，证明其在LLaMA系列和各种任务中具有卓越的优势和推理能力。该研究为融合自然语言和编程语言提供了有价值的洞见，为在不同环境中有效运行的先进语言模型的开发奠定了坚实的基础。
无需注释的病理定位的通用视觉语言预训练
- 论文名称：Generalizable vision-language pre-training for annotation-free pathology localization
- 机构：香港大学、鹏城实验室、中国科学院大学
- 作者：Hao Yang, Hong-Yu Zhou, Cheng Li
- 论文地址：arxiv.org/pdf/2401.02044
- 相关领域：预训练
- Github 地址：
- Réunion:
- 论文方法：该论文介绍了一种针对无需注释的病理定位的通用视觉语言预训练模型。该模型的核心优势在于其基于图像注释无关的多级语义结构对比学习，将医学报告中的多粒度医学概念与丰富的图像特征全面对齐，以适应观察到的和新出现的未知病理的多样表达。实验证明，该模型在4个不同的外部数据集上验证了其泛化能力，在定位5种不同病理方面优于6种最先进的方法，甚至超过人类基准，表明其适用于复杂的临床环境。
ChartAssistant: 通过图表到表格预训练和多任务指令微调的通用图表多模态语言模型
- 论文名称：ChartAssisstant: A Universal Chart Multimodal Language Model via Chart-to-Table Pre-training and Multitask Instruction Tuning
- 机构：香港大学、南京大学、上海交通大学
- 作者：Fanqing Meng, Wenqi Shao, Quanfeng Lu
- 论文地址：https://arxiv.org/pdf/2401.02384
- 相关领域：预训练、指令微调
- Github 地址：https://github.com/OpenGVLab/ChartAst
- Réunion:
- 论文方法：这篇论文提出了ChartAssistant，这是一个基于图表的图像语言模型，旨在实现图表理解和推理的通用性。ChartAssistant通过图表到表格解析的预训练和多任务指令遵循的微调，解决了通用多模态模型在泛化和任务特定微调方面的挑战。实验结果显示，与最先进的UniChart方法相比，ChartAssistant在各种图表任务上取得了显著的性能提升，并在实际图表数据上优于OpenAI的GPT-4V(ision)。这篇论文的内容主要是介绍了ChartAssistant的设计与训练方法，并展示了其在图表任务上的性能优势。
DIALIGHT: 利用大模型轻量级开发和评估任务导向对话系统
- 论文名称：DIALIGHT: Lightweight Multilingual Development and Evaluation of Task-Oriented Dialogue Systems with Large Language Models
- 机构：剑桥大学
- 作者：Fanqing Meng, Wenqi Shao, Quanfeng Lu
- 论文地址：https://arxiv.org/pdf/2401.02208
- 相关领域：模型结构改进、预训练
- Github 地址：https://github.com/OpenGVLab/ChartAst
- Réunion:
- 论文方法：
机器人篇
- Mobile ALOHA：低成本全身远程操作学习双手机器人移动操作
- 论文名称：Mobile ALOHA: Learning Bimanual Mobile Manipulation with Low-Cost Whole-Body Teleoperation
- 机构：斯坦福大学
- 作者：Zipeng Fu, Tony Z. Zhao, Chelsea Finn
- 论文地址：https://arxiv.org/pdf/2401.02117
- 相关领域：模型结构改进、预训练
- Github 地址：
- Réunion:
- 论文方法：本论文介绍了一种学习移动操作任务的系统，该任务需要双手协作和全身控制。使用Mobile ALOHA系统进行数据采集，通过与现有的静态ALOHA数据集联合训练，进行监督式行为克隆，提高了移动操作任务的性能，使得Mobile ALOHA能够自主完成复杂的移动操作任务。通过扩展了移动底盘和全身远程操作界面的ALOHA系统，Mobile ALOHA实现了低成本的整体身体远程操作系统。本论文解决了传统机器人学习中关注的桌面操作的局限性，使得机器人具备了移动和灵活性，可以完成更广泛实用的任务。
强化学习篇
数字人
- 从音频到逼真的人体化：合成对话中的人类
- 论文名称：From Audio to Photoreal Embodiment: Synthesizing Humans in Conversations
- mécanisme:
- auteur:
- 论文地址：https://arxiv.org/pdf/2401.01885
- 相关领域：
- Github 地址：
- Réunion:
- 论文方法：该论文提出了一个生成全身逼真的头像的框架，根据双方互动的对话动态进行手势生成。通过语音音频输入，该论文可以输出个体的多种手势动作，包括面部、身体和手部的动作。该论文的方法将向量量化的样本多样性与扩散获得的高频细节相结合，生成更具动态和表现力的动作。该论文使用高度逼真的人体化头像可视化生成的动作，可以表达手势中的重要细微之处（例如冷笑和嘲笑）。为了促进这一研究领域的发展，该论文推出了一种首个多视角对话数据集，可用于逼真重构。实验结果显示，该论文的模型生成适当且多样的手势，优于扩散和向量量化单独的方法。此外，该论文的感知评估凸显了光真度（与网格相比）在准确评估对话手势中细微动作细节方面的重要性。代码和数据集可在网上获得。
Long LLM 篇
MoE 篇
- Mixtral 8x7B: 稀疏专家混合语言模型
- 标题：Mixtral of Experts
- 相关领域：模型结构改进、指令微调
- mécanisme:
- 作者：Albert Q. Jiang, Alexandre Sablayrolles, Antoine Roux
- 发表时间：2023.09.23
- 论文地址：arxiv.org/pdf/2401.04088
- 相关领域：Transformers
- Github 地址：
- Réunion:
- 论文方法：这篇论文介绍了Mixtral 8x7B，一种稀疏专家混合语言模型（SMoE）。Mixtral具有与Mistral 7B相同的架构，不同之处在于每个层由8个前馈块（即专家）组成。对于每个令牌，在每个层中，路由网络选择两个专家来处理当前状态并将其输出进行组合。尽管每个令牌只能看到两个专家，但所选择的专家在每个时间步骤可以不同。结果是，每个令牌可以访问470亿个参数，但在推理过程中只使用130亿个活跃参数。Mixtral使用32k令牌的上下文尺寸进行训练，并且在所有评估基准中胜过或与Llama 2 70B和GPT-3.5相匹配。特别是，在数学、代码生成和多语言基准测试中，Mixtral远远优于Llama 2 70B。该论文还提供了一个fine-tuned的模型，Mixtral 8x7B - Instruct，在人类基准测试中超过了GPT-3.5 Turbo、Claude-2.1、Gemini Pro和Llama 2 70B - chat模型。基础模型和指令模型都是在Apache 2.0许可下发布的。
mini LLMs 篇
se référer à
- 文档领域多模态大模型整理https://zhuanlan.zhihu.com/p/673470907
