DecryptPrompt
Если внезапное прибытие LLM заставит вас чувствовать себя разочарованным, вы могли бы также прочитать выбирать стратегии выживания оружия для депрессивных ученых ИИ в домашнем каталоге. Звезда, чтобы продолжать обновляться ~
Резюме ресурсов LLM
- Модели с открытым исходным кодом и списки обзоров
- Рассуждение с открытым исходным кодом, тонкая настройка, агент, тряпка, Propmt Frameworks
- Open Source SFT, RLHF, наборы данных предварительных данных
- Резюме применения в различных областях AIGC
- Оперативные учебники, классические блоги и интервью конференции AI
Читайте документы с вашим блогом
- Decrypt the Right Series 1.
- Decrypt The Rismer Series 2. Защита для Freeck Fine Tuning LM: T5 & PET & LM-BFF
- Decrypt the Riff Series 3. Заморозить
- Decrypt в серии «Подсказка 4».
- Дешифрование серии Propt 5. APE+SEFO = Автоматизированный набор инструкций. Реализация кода строительства
- Дешифруйте серию подсказков 6. Команда LORA Command Tink -Contuling Подробности - пожалуйста, успокойтесь, 1 час действительно недостаточно ~
- Decrypt Prompt Series 7. Выравнивание предпочтений RLHF-Openai · DeepMind · Сравнительный анализ антропного анализа
- Decrypt в серии операций 8. Не требуется обучение, чтобы позволить LLM поддержать сверхдрукий ввод: база знаний и Unlimiformer & PCW & NBCE
- Дешифруя приглашение серии 9. Cot: модельная комплексная цепочка мышления и расширенное воспроизведение.
- Дешифруя оперативную серию 10. Cot: исследование принципа мышления цепочки
- Decrypt в серии Prompt Series 11. Cot: небольшие модели также могут Cot, а врожденный дефицит дополняется после рождения
- Decrypt в серии 12.
- Decrypt the Right Series 13. LLM Агент Инструкция
- Decrypt The Riff Series 14. LLM Агент Агент.
- Рассказывание Disrypting Series 15. LLM Агент Агента Дизайн приложения: DIN & C3 & SQL-Palm & Bird
- Дешифрируйте оперативную серию 16. Чем меньше данных в опыте выравнивания LLM, тем лучше? Ltd & Lima & Alpagasus
- Decrypt off Series 17. Решение выравнивания LLM и обновление Wizardlm & Backtranslation & Selfign
- Дешифруя оперативную серию 18. Мир агента LLM с только агентами
- Decrypting Series серия 19. Приложения в области анализа данных агента LLM: Data-Copilot & Insightpilot
- Дешифруя оперативную серию 20. Переосмысление RAG при оптимизации разнообразия отзывов
- Дешифруя приглашение серии 21. Переосмысление RAG при отзыве.
- Decrypt Series Series 22. Рейт. Отражение: он отказался от сжатия или интеллекта?
- Дешифрована в предложении серии 23. Полная диаграмма мозга большой классификации и атрибуции, атрибуции и смягчения и смягчения
- Дешифрование серии Propt 24. Стратегии обучения для новых решений RLHF: SLIC-HF & DPO & RRHF & RSO
- Decrypt the Propt Series 25. Образец маркировки схемы улучшения RLHF: Rlaif & Salmon
- Дешифруя оперативную серию 26. Человеческое мышление против модельного мышления: абстрактно и дивергентное мышление
- Дешифрование серии Propt 27. Как сократить общую потерю возможностей в опыте выравнивания LLM
- Decrypt axpred Series 28. Финансовый агент агента LLM: Finmem & Finagent
- Дешифрирует оперативные серии 29. Массовые решения API-решения LLM: Toolllm & Anytool
- Decrypt в серии операций 30.
- Decrypt Series Series 31. Непрерывное изучение агента LLM о ловкости
- Дешифрование серии 32.
- Дешифрование подсказки серии 33. Понимание графика LLM - Мультимодальная глава
- Decrypt the Propt Series 34. RLHF Training использует другой подход: шаг за шагом и дальше
- Обшифрует серию Propt 35. Стандартизация быстрого приглашения в процессе! DSPY Paper шампуры и примеры кода
- Decrypt offer Series 36.
- Дешифруя приглашение серии 37. Несколько стратегий для решений предшественника тряпки при подключении к Интернету
- Дешифруя приглашение серии 38. Политика многогранной маршрутизации
- Дешифруя серию Propt 39. Rag оптимизирует процесс точного перепланирования с помощью LLM
- Дешифруя серию Propt 40. LLM.
- Дешифруя серию Propt 41. Действительно ли Graphrag серебряной пули?
- Дешифруя серию Propt 42. Путь LLM к динамической комплексной цепочке мышления
- Decrypt the Propt Series 43. LLM Самокритики
- Обшифрует серию Propt 44. Режим исследования Rag? Глубокий режим мышления?
- Decrypt в серии операций 45. Изучите масштабируемый надзор LLM - который лучше в дебатах и в игре
- Дешифрование серии Propt 46. LLM Структурированный выходной код и принцип принципиального анализа
- Дешифруя серию Propt 47. Некоторые функции анализа O1 Long Ender
Краткое изложение документов
бумажный список
- https://github.com/dongguanting/in-context-learning_paperlist
- https://github.com/thunlp/promptpapers
- https://github.com/timothyxxx/chain-fhouthtspapers
- https://github.com/thunlp/toollearningpapers
- https://github.com/mlgroupjlu/llm-val-survey
- https://github.com/thu-coai/paperforonlg
- https://github.com/khuangaf/awesome-chart- Instresting
Цепочка мышления (recament_chain_of_thought)
- Базовое и продвинутое использование
- 【【Zero-Shot-Cot】 Большие языковые модели-это с нулевые выстрелы разумные
- 【Несколько выстрелов】 цепочка мыслительной подсказки вызывает рассуждения в моделях крупных языков
- 【СВОЕСТВЕННОСТЬ】 Улучшает цепочку мышления в языковых моделях
- 【Наименьшее количество】 Подсказка позволяет сложные рассуждения в моделях крупных языков
- 【Tot】 Древо мыслей: преднамеренное решение проблем с большими языковыми моделями
- 【Планирование и сферу】 Подсказка: улучшение цепочки с нулевым выстрелом в цепочке мыслей с помощью крупных языковых моделей
- 【Проверьте и издайте】: рамка с целью цепочки мыслей с повышением знаний
- 【】 Посказано за пределами цепочки мыслей, эффективных рассуждений с графом мыслей в крупных языковых моделях
- 【Tomt】 Tree-of Mixed-Thatd: Сочетание быстрого и медленного мышления для многоуровневых визуальных рассуждений
- 【Lambada】: обратная цепочка для автоматических рассуждений на естественном языке
- 【AOT】 Алгоритм мыслей: улучшение исследования идей в моделях крупных языков
- 【Получил】 График мыслей: решение сложных проблем с большими языковыми моделями
- 【PHP】 Прогнозируемое подсказка об улучшении рассуждений в моделях крупных языков
- 【HTT】 Большие языковые модели могут изучать правила
- 【Dipse】 Разнообразие мышления улучшает способности рассуждения крупных языковых моделей
- 【Cogtree】 от сложного к простому: раскрыть когнитивное дерево для рассуждения с помощью маленьких языковых моделей
- 【Обратный защитник】 Сделайте шаг назад: вызывая рассуждения с помощью абстракции в больших языковых моделях
- 【Opro】 Большие языковые модели как оптимизаторы
- 【Бот】 Буфер мыслей: размышления о том, что и мыслители с большими языковыми моделями
- Аннотация с мыслью делает языковые модели лучшими рассуждениями
- 【Symbcot】 верные логические рассуждения через символическую цепочку мыслей
- 【Xot】 Все мысли: бросая вызов закону Пенроуз -треугольника для генерации размышлений
- 【IoT】 Итерация мышления: использование внутреннего диалога для автономной большой языковой модели рассуждения
- 【Dot】 на диаграмме мышления
- 【Гниль】 Изменение мышления: улучшение больших языковых моделей с помощью прогрева обратной рассуждения с подходящими предпочтениями.
- Думая вперед и назад: эффективное обратное планирование с большими языковыми моделями
- 【KR】 K-уровни рассуждения: установление убеждений более высокого порядка в крупных языковых моделях для стратегических рассуждений
- 【Самопояжна
- 【Теория сведения】 Как далеко находятся большие языковые модели от теории с теорией?
- 【PC-SUBQ】 Стратегии подсказки для предоставления крупным языковым моделям вывести причинно-следственную связь от корреляции
- Обратное мышление делает LLMS более сильными рассуждениями
- Направления для решения нетрадиционных задач к котчке
- Разложенное вызвание модульного подхода для решения сложных задач
- Последовательное подсказка для разложения сложных вопросов
- Cot [Math, Code, Tabular, QA]
- Решение количественных проблем рассуждений с языковыми моделями
- Покажите свою работу: царапины для промежуточных вычислений с языковыми моделями
- Решение задач по математическим словам с обратной связью на основе процессов и результатов
- Coderl: Освоение генерации кода через предварительно проведенные модели и обучение глубокому подкреплению
- T-SCIQ: Обучение мультимодальной цепочке мыслей с помощью больших языковых модельных сигналов для ответа на вопрос о науке.
- Редактирование кода, улучшающего производительность, обучение
- Цепочка кода: рассуждение с эмулятором кода с аспектом языка
- Принцип анализа
- Цепочка мышления дает преобразователям решать последовательные задачи по своей природе.
- На пути к пониманию подсказки о цепочке мыслей: эмпирическое исследование того, что имеет значение
- Текст и шаблоны: для эффективной цепочки мышления требуется два для танго
- К раскрытию тайны, стоящей за цепью мышления: теоретически перспектива
- Большие языковые модели могут быть легко отвлечены в нерелевантном контексте
- Рассуждения о цепей.
- Индуктивный или дедуктивный? Переосмысление фундаментальной мышления способности LLMS
- За пределами цепочки мыслей: обзор парадигм цепочки x для LLMS
- К койке или не кроватке? Цепочка мыслей помогает в основном по математике и символическим рассуждениям
- Зачем думать шаг за шагом? Рассуждения возникают из местности опыта
- Внутренняя последовательность и самоокупаемость в моделях крупных языков: опрос
- Голова итерации: механистическое исследование цепочки мыслей
- Влияние длины шага рассуждения на большие языковые модели
- Выполняют ли крупные языковые модели скрытые мульти-хоп-рассуждения без использования ярлыков?
- Сжатая цепь мышления: эффективные рассуждения с помощью плотных представлений
- Действительно ли LLMS думает шаг за шагом в неявных рассуждениях?
- Маленькая модельная дистилляция котенок
- Специализация меньших языковых моделей для многоэтапных рассуждений
- Обучение малых языковых моделях рассуждения
- Большие языковые модели рассуждают учителя
- Рассуждения о перегородке в более мелкие языковые модели
- Коллекция COT: улучшение нулевого выстрела и несколько выстрелов в языковых моделях с помощью тонкой настройки цепочки
- Система дистилляции 2 в систему 1
- Автоматическая конструкция/выбор образцов кроватки
- Autocot: автоматическая цепочка подсказки мышления в моделях крупных языков
- Активное подсказка с цепочкой для крупных языковых моделей
- Побуждение на основе сложности для многоэтапных рассуждений
- КОМПЛЕКТИЯ УЧИЧЕСКИЕ
- Большие языковые модели могут самостоятельно выполнять
- Обучение цепочки мыслей с помощью скрытой переменного вывода
- Тихо-звезда: языковые модели могут научить себя думать, прежде чем говорить
- Звезда: разумный рассуждение самоучки с рассуждением с рассуждением
- V-Star: обучение проверки для самоучки
- Подумайте, прежде чем говорить: модели обучения языку с токенами Pause
- Самостоятельные синтетические диалоги и пересмотр технический отчет
- Другие
- Олагпт расширяет возможности LLM с помощью людей, похожими на человеку, решающим проблемы
- Бросая вызов большим задачам и может ли их решить цепь размышлений
- Большие языковые модели-это лучшие разумные с самого трансляции
- Мысли о центральном центре для больших языковых моделей данных
- Два неудачи самосогласости в многоэтапных рассуждениях LLMS
Rlhf
- Глубокий
- Учебные языковые модели для поддержки ответов с проверенными цитатами
- Воробей, улучшая выравнивание диалоговых агентов через Targetd человеческие суждения
- Статистическая выборка отклонения улучшает оптимизацию предпочтений
- Усиленное самоуничивание (отдых) для языкового моделирования
- SLIC-HF: калибровка вероятности последовательности с обратной связью с человека
- Возрождение калибровки последовательности улучшает генерацию условного языка
- Наградный дизайн с языковыми моделями
- Окончательный ответ
- Решение задач по математике с обратной связью на основе процессов и результатов
- Помимо человеческих данных: масштабирование самолета по решению проблем с языковыми моделями
- Бонд: выравнивание LLM с лучшей в своем роде дистилляции
- RL на неправильных синтетических данных масштабирует эффективность математической рассуждения LLM в восьмикратных
- Генеративные проверки: моделирование вознаграждений как предсказание следующего ток
- Обучение языковым моделям самокорректировать с помощью обучения подкреплению
- Openai
- PPO: алгоритмы оптимизации проксимальной политики
- Глубокое обучение подкреплению для предпочтений человека
- Чико настраивающие языковые модели от человеческих предпочтений
- научиться суммировать от обратной связи с человеком
- Инструктор: модели обучения языку, чтобы следовать инструкциям с отзывами человека
- Законы масштабирования для модели вознаграждения над оптимизацией
- Слабое и сильное обобщение: выявление сильных возможностей со слабым надзором
- PRM: Давайте проверим шаг за шагом
- Обучение проверки для решения задач математического слова [предварительная дозависимость PRM]
- Блог Openai Super Alignment
- Критики LLM помогают поймать ошибки LLM
- Проведенные игры улучшают разборчивость выходов LLM
- Награды на основе правил за безопасность модели языка
- Самоцитичные модели для оказания помощи оценщикам человека
- Антроп
- Общий помощник по языку в качестве лаборатории для выравнивающих
- Измерение прогресса по масштабируемому надзору или моделям крупного языка
- Красные языковые модели, чтобы уменьшить методы вреда, масштабирование поведения и извлеченные уроки
- Обучение полезного и безвредного помощника по подкреплению обучения на отзыве человека
- Конституционная безвредность ИИ от обратной связи с ИИ
- Предварительные языковые модели с человеческими предпочтениями
- Способность к моральной самокоррекции в моделях крупных языков
- Спящие агенты: тренировка обманчивых LLM, которые сохраняются через безопасное обучение
- Allenai, RL4LM: обучение подкреплению (не) для контрольных показателей обработки естественного языка
- План улучшения
- RRHF: Ранные реакции на выравнивание языковых моделей с человеческой обратной связью без слез
- Цепочка задним числом выравнивает языковые модели с обратной связью
- Alpacafarm: структура моделирования для методов, которые учатся на обратной связи с человеком
- Плот: вознаграждение ранжируется на финал для выравнивания модели генеративного фундамента
- RLAIF: масштабирование подкрепления, обучение от обратной связи с искусственным интеллектом
- Обучение социально выровненным языковым моделям в моделируемом человеческом обществе
- Дождь: Ваши языковые модели могут выровнять себя без искусственной связи
- Генеративный судья для оценки выравнивания
- Взгляд через предпочтения: раскрытие получения обратной связи для выравнивания больших языковых моделей
- Лосось: самооплата с моделями вознаграждений с принципом.
- Большой языковой модель.
- Оптимизация состязательных предпочтений
- Оптимизация ранжирования предпочтений для выравнивания человека
- Долгий путь: исследование корреляций длины в RLHF
- Включить языковые модели неявно изучать самосовершенствование от данных
- Ансамбли модели вознаграждений помогают смягчить переоптимизацию
- Обучение оптимальное преимущество от предпочтений и принятие его за вознаграждение
- Ultrafeedback: повышение языковых моделей с высококачественной обратной связью
- Мотив: Внутренняя мотивация от обратной связи искусственного интеллекта
- Стабилизация RLHF через модель преимуществ и селективную репетицию
- Пастух: критик генерации языковой модели
- Научиться генерировать лучше, чем ваш LLM
- Мелкозернистая обратная связь с человеком дает лучшие награды за обучение на языковой модели
- Принцип самоуправление языковых моделей с нуля с минимальным человеческим надзором
- Прямая оптимизация предпочтений: ваша языковая модель тайно - модель вознаграждения
- Hir Мудрость задним числом делает языковые модели лучшими последователями обучения
- Выравнивание: достижение эффективного выравнивания через слабую коррекцию
- Минимаксималистский подход к укреплению обучения на человеческой обратной связи
- Панда: адаптация предпочтения для повышения доменной специфической способности LLMS
- Слабое и напряженное поиск: выровнять большие языковые модели с помощью поиска по моделям мелких языков
- Слабая-сильная экстраполяция ускоряет выравнивание
- DPO превосходит PPO для выравнивания LLM? Комплексное исследование
- Оптимизация прямых предпочтений на уровне токена
- SIMPO: Простая оптимизация предпочтений с помощью бесплатной награды
- AutodeTect: к единой структуре для автоматического обнаружения слабости в моделях крупных языков
- Мета-воспитание языковых моделей: самосовершенствование выравнивания с LLM-As-Meta-Judge
- HelpSteer: набор данных по обслуживанию многоатрибуты для Steerlm
- Рекурсивное самоанализ: преподавание языковых модельных агентов, как самозащиться
- Улучшение многоэтапной мышления способности языковых моделей с помощью прямой оптимизации Q-функции
- DeepSeekmath: раздвижение границ математических рассуждений в моделях открытого языка
- Глор: Когда, где и как улучшить рассуждения LLM с помощью глобальных и местных уточнений
- RefT: рассуждение с усиленной настройкой
- SCPO: оптимизация предпочтений самосогласованности
- RL Exploration
- Понимание влияния RLHF на обобщение и разнообразие LLM
- Долгий путь: исследование корреляций длины в RLHF
- Потекание воздействия вознаграждения (в) последовательности на RLHF
- Открытые проблемы и фундаментальные ограничения обучения подкреплению от обратной связи с людьми
- Отзывы человека не золотой стандарт
- Контрастирующие пост-тренировки большие языковые модели по учебной программе данных
- Языковые модели противостоят выравниванию
Post Train (с кроваткой, RL)
- Масштабирование вывода
- Эмпирический анализ вычислительного вывода для решения проблем с языковыми моделями
- Все больше звонков LM все, что вам нужно? На пути к масштабирующим свойствам комплексных систем ИИ
- Большие языковые обезьяны: масштабирование вывода вычисления с повторной выборкой
- Масштабирование времени теста LLM вычисление оптимально может быть более эффективным, чем параметры масштабирования модели
- Q*: Улучшение многоэтапных рассуждений для LLM с совещательным планированием
- Планирование на естественном языке улучшает поиск LLM для генерации кода
- REST-MCTS ∗: LLM самостоятельно подготовка через поиск по вознаграждению процесса
- Альфазеро, похожий на поиски деревьев, может направлять крупные языковые модели и обучение
- Меньшее, слабее, но все же лучше: обучение рассуждений LLM с помощью вычислительной оптимальной выборки
- Удивительная эффективность обучения времени тестирования для абстрактных рассуждений
- Масштабирование вывода для получения длинного контекста.
- К самосовершенствованию LLM через воображение, поиск и критику
- Медленная мышление
- O1 Поездка на репликацию: отчет о стратегическом прогрессе - часть 1
- Marco-O1: к открытым моделям рассуждений для открытых решений
- Сравнительное исследование моделей рассуждений модели O1 Openai
- Имитировать, исследовать и самостоятельную трансляцию: отчет о воспроизведении о медленных системах рассуждений
- Dualformer: управляемое быстрое и медленное мышление, обучаясь рандомизированными следами рассуждения
- Обучение больших языковых моделей, чтобы рассуждать в непрерывном скрытом пространстве
- Помимо ∗: лучшее планирование с трансформаторами с помощью динамики поиска начальная загрузка
- O1-Coder: репликация O1 для кодирования
- Масштабирование поиска и обучения: дорожная карта для воспроизведения O1 с точки зрения обучения подкрепления
- Sky-T1: Train Your Sown O1 Preview Model в течение 450 долларов США.
- На пути к системе 2 рассуждения в LLMS: научиться мыслить с мета-цепью-размышлениями
Инструкция тонкая настройка и выравнивание (инструкция_tunning)
- Классическое решение
- ФЛАН: МОДЕЛИ НАЗНАЧЕНИЯ
- Flan-T5: масштабирование языковых моделей
- Ext5: к экстремальному масштабированию многозадачного обучения для обучения передачи
- Инструкт-gpt: модели обучения языковыми моделями, чтобы следовать инструкциям с отзывами человека
- T0: многозадачная подготовка
- Естественные инструкции: генерализация по перекрестной задаче с помощью инструкций по краудсорсингу естественного языка
- TK-Instruct: Super-NaturalInstructions: обобщение посредством декларативных инструкций по заданиям NLP 1600+
- Зернопромпт: масштабирование на основе быстрого подготовки до 1000 задач улучшает обобщение с нулевым выстрелом
- Неестественные инструкции: настройка языковых моделей с (почти) без человеческого труда
- Инструкторал к целостной оценке моделей крупных языков настраиваемых инструментов
- Закон о масштабировании данных SFT
- Лима: меньше для выравнивания
- Может быть, требуется только 0,5% данных: предварительное исследование настройки инструкций с низким обучением данных
- Alpagasus: обучение лучшей альпаке с меньшим количеством данных
- Инструкция GPT-4: парадигма с 200-х индустром для тонкой настройки Minigpt-4
- МАНПИЧЕНИЕ ИНСТРУКЦИИ: Высококачественный выбор данных инструкций для больших языковых моделей
- Настройка визуальной инструкции с вежливым фламинго
- Изучение влияния масштабирования данных инструкций на крупные языковые модели: эмпирическое исследование на экземпляры реального мира
- Масштабирование отношений в изучении математических рассуждений с большими языковыми моделями
- При масштабировании соответствует MLM Penetuning: влияние данных, модели и метода создания.
- Новая схема выравнивания/тонкой настройки
- Wizardlm: расширение возможностей крупных языковых моделей, чтобы следовать сложным инструкциям
- Становление самостоятельного ввода: введение критериев ранней остановки для минимальных инструкционных настройки
- Самооплата с учебным перевозом
- Смесь экспертов соответствует настройке инструкций: победная комбинация для больших языковых моделей
- Коза: тонкая настройка Llama превосходит GPT-4 по арифметическим задачам
- Rocmport2model: генерирование развертываемых моделей из инструкций по естественному языку
- MulactGPT: моделирование явных смещений в LLM, настроенных на инструкции
- Улучшение переговоров по модели языка с самостоятельным и встроенным обучением на обратной связи с искусственным интеллектом
- Систематическое обобщение, похожее на человеку через нейронную сеть мета-обучения
- Magicoder: исходный код - это все, что вам нужно
- Помимо человеческих данных: масштабирование самолета по решению проблем с языковыми моделями
- Настройка генеративной репрезентативной инструкции
- INSCL: Эффективная парадигма постоянного обучения для тонкой настройки больших языковых моделей с инструкциями
- Иерархия инструкций: обучение LLM для определения приоритетов привилегированных инструкций
- Совокупная: синтез данных выравнивания с нуля, побуждая выровненные LLM.
- Генерация данных инструкции
- Обезьяна: Модели больших языков-инженеры на уровне человека
- Самостоятельная конструкция: выравнивание языковой модели с самого сгенерированными инструкциями
- IPROMPT: объяснение шаблонов данных на естественном языке с помощью интерпретируемого автопроизводства
- Перевернуть обучение: угадайте инструкцию! Перевернутое обучение делает языковые модели более сильными учениками с нулевым выстрелом
- Справедливости
- Индукция инструкции: от нескольких примеров до описаний задач естественного языка.
- Самостоятельно неконтролируемая выравниванием знаний.
- GPT Self-Supervision для лучшего аннотатора данных
- Коллекция FLAN разработка данных и методов
- Застрявшие генеративные модели сходят с ума
- Инструктоваль: систематическая оценка методов выбора инструкций
- Перезаписать предварительно предвзятую
- Улучшение текстовых встроений с большими языковыми моделями
- Совокупная: синтез данных выравнивания с нуля, побуждая выровненные LLM.
- Масштабирование создания синтетических данных с 1 000 000 000 человек
- Развязать возможности рассуждения LLMS через масштабируемое синтез вопросов с нуля
- Обследование синтеза и увеличения данных для крупных языковых моделей
- AgentInStruct: к генеративному обучению с агентскими потоками
- Раскрытие недостатков: изучение недостатков в синтетических данных и стратегиях смягчения для крупных языковых моделей
- Как уменьшить общие потери мощности
- Как на способность в моделях крупных языков влияет контролируемая тонкая настройка данных
- Двухступенчатая тонкая настройка LLM с меньшей специализацией и большим обобщением
- Опыт прекрасной настройки/экспериментальный отчет
- Belle: Изучение влияния масштабирования данных инструкций на крупные языковые модели: эмпирическое исследование на реальные варианты использования
- Baize: Baize: модель чата с открытым исходным кодом с параметрами настройки на данные о самообслуживании
- Сравнительное исследование между полной настройкой на основе полнопараметрических и на основе Лоры на китайских данных инструкций для крупного LM
- Изучение способности CHATGPT ранжировать контент: предварительное исследование согласованности с предпочтениями человека
- На пути к лучшему обучению после языковых моделей для китайцев: исследование влияния данных обучения и оценки
- Fine Tuning LLMS для предприятия: практические руководящие принципы и рекомендации
- Другие
- Кросслингнгальное обобщение через многозадачное искусство
- Обобщение по перекрестной задаче с помощью инструкций по краудсорсингу естественного языка
- Unifiedskg: Объединение и многозадачное структурированное знание заземления с помощью языка текстового текста.
- AdptSource: интегрированная среда разработки и хранилище для естественного языка
- Rolellm: сравнительный анализ, выявление и улучшение ролевых способностей крупных языковых моделей
Агент LLM позволяет модели использовать инструмент (llm_agent)
- Агент AI: Обследование горизонтов мультимодального взаимодействия
- Опрос о автономных агентах на основе крупных языковых моделей
- Личные агенты LLM: понимание и обзор о возможностях, эффективности и безопасности
- Общее решение на основе Propt
- React: синергизирующие рассуждения и актерские игры в языковых моделях
- Самопроизводство: измерение и сужение пробела композиционности в языковых моделях
- MRKL Systema модульная, нейро-символическая архитектура, которая сочетает в себе модели крупных языков, внешние источники знаний и дискретные рассуждения
- PAL: программные языковые модели
- Искусство: автоматические многоэтапные рассуждения и использование инструментов для крупных языковых моделей
- Rewoo: отделение рассуждений от наблюдений для эффективных моделей с дополненным языком
- Чередовое поиск с цепью разумных рассуждений по многоэтапным вопросам, интенсивным знаниям
- Chameleon: композиционные рассуждения подключаемого с большими языковыми моделями
- Верная цепочка мыслей
- Рефлексия: языковые агенты с устным подкреплением обучения
- Проверка и издайте: рамка с использованием цепочки мыслей, поддерживаемая знаниями
- RESTGPT: Соединение больших языковых моделей с реальными RESTFUL API
- Чаткот: инструментальная цепочка для цепочки мыслей о моделях с большими языками на основе чата
- Инструкторы: модели больших языков для сквозных систем диалога, ориентированных на задачу
- TPTU: Планирование задач и использование инструментов агентов AI на основе моделей на основе моделей языка
- Controllm: расширение языковых моделей с помощью инструментов путем поиска на графиках
- Рефлексия: автономный агент с динамической памятью и саморефлексией
- Автомагенты: структура для генерации автоматического агента
- Gitagent: облегчение автономного агента с GitHub по расширению инструмента
- Preact: прогнозирование будущего в React повышает способность к планированию агента
- TOOLLLM: Облегчение моделей крупных языков для освоения API-аналогов 16000+-AnyTool: саморефлексивные, иерархические агенты для крупномасштабных вызовов API
- AIOS: операционная система агента LLM
- Компилятор LLM A LLM компилятор для вызова параллельной функции
- Re-Invoke: переписывание призыв к инструментам для поиска инструмента с нулевым выстрелом
- Общее решение на основе тонкой настройки
- Талм: Модели с дополненным языком инструмента
- Инструмент: языковые модели могут научить себя использовать инструменты
- Обучение инструментами с основными моделями
- Производитель инструментов: модели с большими языками в качестве производителя инструментов
- TaskMatrix.ai: выполненные задачи, соединяя модели фундамента с миллионами API
- AgentTuning: включение обобщенных агентных аамов для LLMS
- Swiftsage: генеративный агент с быстрым и медленным мышлением для сложных интерактивных задач
- Fireact: к языковому агенту тонкая настройка
- Pangu-Agent: тонкий настраиваемый генеральный агент со структурированными рассуждениями
- Rest Meets React: самосовершенствование для многоэтапного агента LLM
- Эффективное использование инструмента с рассуждением о цепочке
- Агент-флан: проектирование данных и методов эффективной настройки агентов для моделей крупных языков
- Agentohana: разработка единых данных и тренировочного конвейера для эффективного обучения агентов
- Агент Lumos: единое и модульное обучение для языковых агентов с открытым исходным кодом
- Toolgen: Unified Tool -поиск и вызов через поколение
- Вызов модельной схеме
- HuggingGpt: решение задач AI с Chatgpt и его друзьями в Huggingface
- Горилла: большая языковая модель, связанная с массивными API
- Openagi: Когда LLM встречает доменных экспертов
- Вертикальное поле
- Анализ данных
- DS-AGENT: автоматизированная наука данных путем расширения возможностей крупных языковых моделей с помощью рассуждений, основанных на случаях
- Insightlens: Обнаружение и изучение пониманий из разговорных контекстов в анализе данных с двигателем с большим языком
- Data-Copilot: Bridgering миллиарды данных и людей с автономным рабочим процессом
- Демонстрация InsightPilot: система автоматической разведки данных, обеспечиваемой LLM
- Taskweaver: фреймворк-агент-код-код
- Автоматизированные социальные науки: языковые модели как ученые и субъекты
- Интерпретатор данных: агент LLM для науки данных
- финансы
- Weaverbird: расширение прав и возможностей принятия финансовых решений с большой языковой моделью, базой знаний и поисковой системой
- Фытки: финансовые большие языковые модели с открытым исходным кодом
- Finmem: торговый агент LLM с повышенным производительным
- Альфафин: финансовый анализ сравнительного анализа с использованием рамки с активами с усилением
- Мультимодальный агент фонда по финансовой торговле: диверсифицированный и универсальный инструмент, диверсифицированный и универсальный
- Могут ли крупные языковые модели победить Уолл -стрит? Раскрыть потенциал ИИ в выборе запаса
- Улучшение обнаружения аномалий на финансовых рынках с помощью многоагентной рамки на основе LLM
- TradingGPT: многоагентная система с многоуровневой памятью и различными символами для повышения эффективности финансовой торговли
- Finrobot: платформа агента с открытым исходным искусством для финансовых приложений с использованием крупных языковых моделей
- LLMFactor: извлечение выгодных факторов посредством подсказок для объяснения прогнозирования движения запаса
- Alpha-GPT: человеческая интерактивная альфа-майнинга для количественных инвестиций
- Обнаружение аномалий: неэмантические финансовые данные, кодирующие с LLMS
- Tradexpert: Революционизация торговли со смесями экспертных LLMS
- Finvision: многоагентная структура для прогнозирования фондового рынка
- ИИ в инвестиционном анализе: LLMS для рейтингов акций.
- AAPM: модели ценообразования на основе активов на основе актива на основе активов
- Биомедицина
- GeneGpt: увеличение больших языковых моделей с помощью доменных инструментов для улучшения доступа к биомедицинской информации
- Chemcrow дополняет большие языковые модели с помощью химических инструментов
- Генерация объяснений в медицинских вопросах с ответом путем вывода максимизации ожидания по поводу доказательств
- Агентная больница: симулякр больницы с эволюционными медицинскими агентами
- Интеграция знаний о химии в крупные языковые модели с помощью оперативной инженерии
- Интернет/мобильный агент
- Autowebglm: Bootstrap и усиление крупного языкового агента веб-навигации на основе моделей
- Реальный мир с планированием, длительным пониманием контекста и синтезом программы
- Mind2web: к агенту универсального для Интернета
- MiniWob ++ Увеличение подкрепления на веб-интерфейсах с использованием исследований под руководством рабочего процесса
- Webarena: реалистичная веб -среда, запрещающая автономные агенты
- Autocrawler: прогрессивное понимание веб -агента для поколения веб -гусеницы
- Weblinx: Навигация на веб-сайт в реальном мире с многофункциональным диалогом
- WebVoyager: Создание сквозного веб-агента с большими мультимодальными моделями
- Cogagent: модель визуального языка для агентов графического интерфейса
- Mobile-Agent-V2: помощник по эксплуатации мобильных устройств с эффективной навигацией с помощью многоагентного сотрудничества
- WebCanvas: сравнительные веб -агенты в онлайн -средах
- Рассвет агента по графическим интерфейсу: предварительное примерное исследование с использованием компьютера Claude 3.5
- Инженер программного обеспечения
- Агенты в области разработки программного обеспечения: опрос, ландшафт и видение
- Чатдев: Коммуникативные агенты для разработки программного обеспечения
- другой
- Лаборатория агента: Использование агентов LLM в качестве научных сотрудников
- ResearchAgent: итеративная исследовательская идея.
- Веб-магазин: к масштабируемому реальному веб-взаимодействию с заземленными языковыми агентами
- Toolkengpt: дополнение моделей замороженного языка с помощью массивных инструментов с помощью инструментов Entrydings
- Pointllm: расширение прав и возможностей крупных языковых моделей для понимания облаков точек
- Интерпретируемый длинноформный юридический вопрос, отвечающий с помощью извлечения с большими языковыми моделями,
- Carexpert: использование больших языковых моделей для разговорного вопроса в автомобиле
- Sciagents: автоматизация научных открытий с помощью мультиагентных интеллектуальных графиков рассуждения
- Оценивать
- Оценка проверки в генеративных поисковых системах
- Auto-GPT for Online Decision Making: Benchmarks and Additional Opinions
- API-Bank: A Benchmark for Tool-Augmented LLMs
- ToolLLM: Facilitating Large Language Models to Master 16000+ Real-world APIs
- Automatic Evaluation of Attribution by Large Language Models
- Benchmarking Large Language Models in Retrieval-Augmented Generation
- ARES: An Automated Evaluation Framework for Retrieval-Augmented Generation Systems
- Agent-as-a-Judge: Evaluate Agents with Agents
- MultiAgent
- GENERATIVE AGENTS
- LET MODELS SPEAK CIPHERS: MULTIAGENT DEBATE THROUGH EMBEDDINGS
- War and Peace (WarAgent): Large Language Model-based Multi-Agent Simulation of World Wars
- Small LLMs Are Weak Tool Learners: A Multi-LLM Agent
- Merge, Ensemble, and Cooperate! A Survey on Collaborative Strategies in the Era of Large Language Models
- Generative Agents: Interactive Simulacra of Human Behavior
- AgentVerse: Facilitating Multi-Agent Collaboration and Exploring Emergent Behaviors in Agents
- System-1.x: Learning to Balance Fast and Slow Planning with Language Models
- Agents Thinking Fast and Slow:A Talker-Reasoner Architecture
- Generative Agent Simulations of 1,000 People
- Advanced Reasoning and Learning for Autonomous AI Agents
- 多智能体系统
- Internet of Agents: Weaving a Web of Heterogeneous Agents for Collaborative Intelligence
- MULTI-AGENT COLLABORATION: HARNESSING THE POWER OF INTELLIGENT LLM AGENTS
- Magentic-One: A Generalist Multi-Agent System for Solving Complex Tasks
- 任务型智能体协作
- METAAGENTS: SIMULATING INTERACTIONS OF HUMAN BEHAVIORS FOR LLM-BASED TASK-ORIENTED COORDINATION VIA COLLABORATIVE
- CAMEL: Communicative Agents for "Mind" Exploration of Large Scale Language Model Society
- Exploring Large Language Models for Communication Games: An Empirical Study on Werewolf
- Communicative Agents for Software Development
- MedAgents: Large Language Models as Collaborators for Zero-shot Medical Reasoning
- METAGPT: META PROGRAMMING FOR A MULTI-AGENT COLLABORATIVE FRAMEWORK
- 智能体路由
- One Agent To Rule Them All: Towards Multi-agent Conversational AI
- A Multi-Agent Conversational Recommender System
- 基座模型路由&Ensemble
- Large Language Model Routing with Benchmark Datasets
- LLM-BL ENDER: Ensembling Large Language Models with Pairwise Ranking and Generative Fusion
- RouteLLM: Learning to Route LLMs with Preference Data
- More Agents Is All You Need
- Routing to the Expert: Efficient Reward-guided Ensemble of Large Language Models
- 自主学习和探索进化
- AppAgent: Multimodal Agents as Smartphone Users
- Investigate-Consolidate-Exploit: A General Strategy for Inter-Task Agent Self-Evolution
- LLMs in the Imaginarium: Tool Learning through Simulated Trial and Error
- Empowering Large Language Model Agents through Action Learning
- Trial and Error: Exploration-Based Trajectory Optimization for LLM Agents
- OS-COPILOT: TOWARDS GENERALIST COMPUTER AGENTS WITH SELF-IMPROVEMENT
- LLAMA RIDER: SPURRING LARGE LANGUAGE MODELS TO EXPLORE THE OPEN WORLD
- PAST AS A GUIDE: LEVERAGING RETROSPECTIVE LEARNING FOR PYTHON CODE COMPLETION
- AutoGuide: Automated Generation and Selection of State-Aware Guidelines for Large Language Model Agents
- A Survey on Self-Evolution of Large Language Models
- ExpeL: LLM Agents Are Experiential Learners
- ReAct Meets ActRe: When Language Agents Enjoy Training Data Autonomy
- PROACTIVE AGENT: SHIFTING LLM AGENTS FROM REACTIVE RESPONSES TO ACTIVE ASSISTANCE
- From Novice to Expert: LLM Agent Policy Optimization via Step-wise Reinforcement Learning
- другой
- LLM+P: Empowering Large Language Models with Optimal Planning Proficiency
- Inference with Reference: Lossless Acceleration of Large Language Models
- RecallM: An Architecture for Temporal Context Understanding and Question Answering
- LLaMA Rider: Spurring Large Language Models to Explore the Open World
- LLMs Can't Plan, But Can Help Planning in LLM-Modulo Frameworks
RAG
- 经典论文
- WebGPT：Browser-assisted question-answering with human feedback
- WebGLM: Towards An Efficient Web-Enhanced Question Answering System with Human Preferences
- WebCPM: Interactive Web Search for Chinese Long-form Question Answering
- REPLUG: Retrieval-Augmented Black-Box Language Models
- RETA-LLM: A Retrieval-Augmented Large Language Model Toolkit
- Atlas: Few-shot Learning with Retrieval Augmented Language Models
- RRAML: Reinforced Retrieval Augmented Machine Learning
- FRESHLLMS: REFRESHING LARGE LANGUAGE MODELS WITH SEARCH ENGINE AUGMENTATION
- Прекрасная регулировка
- RLCF：Aligning the Capabilities of Large Language Models with the Context of Information Retrieval via Contrastive Feedback
- RA-DIT: RETRIEVAL-AUGMENTED DUAL INSTRUCTION TUNING
- CHAIN-OF-NOTE: ENHANCING ROBUSTNESS IN RETRIEVAL-AUGMENTED LANGUAGE MODELS
- RAFT: Adapting Language Model to Domain Specific RAG
- Rich Knowledge Sources Bring Complex Knowledge Conflicts: Recalibrating Models to Reflect Conflicting Evidence
- 其他论文
- Investigating the Factual Knowledge Boundary of Large Language Models with Retrieval Augmentation
- PDFTriage: Question Answering over Long, Structured Documents
- Walking Down the Memory Maze: Beyond Context Limit through Interactive Reading
- Active Retrieval Augmented Generation
- kNN-LM Does Not Improve Open-ended Text Generation
- Can Retriever-Augmented Language Models Reason? The Blame Game Between the Retriever and the Language Model
- DORIS-MAE: Scientific Document Retrieval using Multi-level Aspect-based Queries
- Factuality Enhanced Language Models for Open-Ended Text Generation
- KwaiAgents: Generalized Information-seeking Agent System with Large Language Models
- Complex Claim Verification with Evidence Retrieved in the Wild
- Retrieval-Augmented Generation for Large Language Models: A Survey
- ChatQA: Building GPT-4 Level Conversational QA Models
- RAG vs Fine-tuning: Pipelines, Tradeoffs, and a Case Study on Agriculture
- Benchmarking Large Language Models in Retrieval-Augmented Generation
- T-RAG: Lessons from the LLM Trenches
- ARAGOG: Advanced RAG Output Grading
- ActiveRAG: Revealing the Treasures of Knowledge via Active Learning
- OpenResearcher: Unleashing AI for Accelerated Scientific Research
- Contextual.ai-RAG2.0
- Mindful-RAG: A Study of Points of Failure in Retrieval Augmented Generation
- Memory3 : Language Modeling with Explicit Memory
- 优化检索
- IAG: Induction-Augmented Generation Framework for Answering Reasoning Questions
- HyDE：Precise Zero-Shot Dense Retrieval without Relevance Labels
- PROMPTAGATOR : FEW-SHOT DENSE RETRIEVAL FROM 8 EXAMPLES
- Query Rewriting for Retrieval-Augmented Large Language Models
- Query2doc: Query Expansion with Large Language Models
- Query Expansion by Prompting Large Language Models
- Anthropic Contextual Retrieval
- Multi-Level Querying using A Knowledge Pyramid
- A Survey of Query Optimization in Large Language Models
- Рейтинг
- A Setwise Approach for Effective and Highly Efficient Zero-shot Ranking with Large Language Models
- RankVicuna: Zero-Shot Listwise Document Reranking with Open-Source Large Language Models
- Improving Passage Retrieval with Zero-Shot Question Generation
- Large Language Models are Effective Text Rankers with Pairwise Ranking Prompting
- RankRAG: Unifying Context Ranking with Retrieval-Augmented Generation in LLMs
- Ranking Manipulation for Conversational Search Engines
- Is ChatGPT Good at Search? Investigating Large Language Models as Re-Ranking Agents
- Opensource Large Language Models are Strong Zero-shot Query Likelihood Models for Document Ranking
- T2Ranking: A large-scale Chinese Benchmark for Passage Ranking
- Learning to Filter Context for Retrieval-Augmented Generation
- 传统搜索方案
- ASK THE RIGHT QUESTIONS:ACTIVE QUESTION REFORMULATION WITH REINFORCEMENT LEARNING
- Query Expansion Techniques for Information Retrieval a Survey
- Learning to Rewrite Queries
- Managing Diversity in Airbnb Search
- 新向量模型用于Recall和Ranking
- Augmented Embeddings for Custom Retrievals
- BGE M3-Embedding: Multi-Lingual, Multi-Functionality, Multi-Granularity Text Embeddings Through Self-Knowledge Distillation
- 网易为RAG设计的BCE Embedding技术报告
- BGE Landmark Embedding: A Chunking-Free Embedding Method For Retrieval Augmented Long-Context Large Language Models
- D2LLM: Decomposed and Distilled Large Language Models for Semantic Search
- Piccolo2: General Text Embedding with Multi-task Hybrid Loss Training
- 优化推理结果
- Speculative RAG: Enhancing Retrieval Augmented Generation through Drafting
- 动态RAG（When to Search & Search Plan）
- SELF-RAG: LEARNING TO RETRIEVE, GENERATE, AND CRITIQUE THROUGH SELF-REFLECTION
- Self-Knowledge Guided Retrieval Augmentation for Large Language Models
- Self-DC: When to retrieve and When to generate Self Divide-and-Conquer for Compositional Unknown Questions
- Small Models, Big Insights: Leveraging Slim Proxy Models To Decide When and What to Retrieve for LLMs
- Adaptive-RAG: Learning to Adapt Retrieval-Augmented Large Language Models through Question Complexity
- REAPER: Reasoning based Retrieval Planning for Complex RAG Systems
- When to Retrieve: Teaching LLMs to Utilize Information Retrieval Effectively
- PlanRAG: A Plan-then-Retrieval Augmented Generation for Generative Large Language Models as Decision Makers
- ONEGEN: EFFICIENT ONE-PASS UNIFIED GENERATION AND RETRIEVAL FOR LLMS
- Probing-RAG: Self-Probing to Guide Language Models in Selective Document Retrieval
- Graph RAG
- GRAPH Retrieval-Augmented Generation: A Survey
- From Local to Global: A Graph RAG Approach to Query-Focused Summarization
- GRAG: Graph Retrieval-Augmented Generation
- GNN-RAG: Graph Neural Retrieval for Large Language Model Reasoning
- THINK-ON-GRAPH: DEEP AND RESPONSIBLE REASONING OF LARGE LANGUAGE MODEL ON KNOWLEDGE GRAPH
- LightRAG: Simple and Fast Retrieval-Augmented Generation
- THINK-ON-GRAPH: DEEP AND RESPONSIBLE REASON- ING OF LARGE LANGUAGE MODEL ON KNOWLEDGE GRAPH
- StructRAG: Boosting Knowledge Intensive Reasoning of LLMs via Inference-time Hybrid Information Structurization
- Multistep RAG
- SYNERGISTIC INTERPLAY BETWEEN SEARCH AND LARGE LANGUAGE MODELS FOR INFORMATION RETRIEVAL
- Interleaving Retrieval with Chain-of-Thought Reasoning for Knowledge-Intensive Multi-Step Questions
- Enhancing Retrieval-Augmented Large Language Models with Iterative Retrieval-Generation Synergy
- RAT: Retrieval Augmented Thoughts Elicit Context-Aware Reasoning in Long-Horizon Generation
- IM-RAG: Multi-Round Retrieval-Augmented Generation Through Learning Inner Monologues
- Demonstrate-Search-Predict: Composing retrieval and language models for knowledge-intensive NLP
- Search-in-the-Chain: Towards Accurate, Credible and Traceable Large Language Models for Knowledge-intensive Tasks
- MindSearch 思·索: Mimicking Human Minds Elicits Deep AI Searcher
- RQ-RAG: LEARNING TO REFINE QUERIES FOR RETRIEVAL AUGMENTED GENERATION
- AutoPRM: Automating Procedural Supervision for Multi-Step Reasoning via Controllable Question Decomposition
- Timeline RAG
- Unfolding the Headline: Iterative Self-Questioning for News Retrieval and Timeline Summarization
Other Prompt Engineer(prompt_engineer)
- Calibrate Before Use: Improving Few-Shot Performance of Language Models
- In-Context Instruction Learning
- LEARNING PERFORMANCE-IMPROVING CODE EDITS
- Boosting Theory-of-Mind Performance in Large Language Models via Prompting
- Generated Knowledge Prompting for Commonsense Reasoning
- RECITATION-AUGMENTED LANGUAGE MODELS
- kNN PROMPTING: BEYOND-CONTEXT LEARNING WITH CALIBRATION-FREE NEAREST NEIGHBOR INFERENCE
- EmotionPrompt: Leveraging Psychology for Large Language Models Enhancement via Emotional Stimulus
- Causality-aware Concept Extraction based on Knowledge-guided Prompting
- LARGE LANGUAGE MODELS AS OPTIMIZERS
- Prompts As Programs: A Structure-Aware Approach to Efficient Compile-Time Prompt Optimization
- Set-of-Mark Prompting Unleashes Extraordinary Visual Grounding in GPT-4V
- RePrompt: Automatic Prompt Editing to Refine AI-Generative Art Towards Precise Expressions
- MedPrompt: Can Generalist Foundation Models Outcompete Special-Purpose Tuning? Case Study in Medicine
- DSPy Assertions: Computational Constraints for Self-Refining Language Model Pipelines
- Prompts as Auto-Optimized Training Hyperparameters: Training Best-in-Class IR Models from Scratch with 10 Gold Labels
- In-Context Learning for Extreme Multi-Label Classification
- Optimizing Instructions and Demonstrations for Multi-Stage Language Model Programs
- DSPy: Compiling Declarative Language Model Calls into Self-Improving Pipelines
- CONNECTING LARGE LANGUAGE MODELS WITH EVOLUTIONARY ALGORITHMS YIELDS POWERFUL PROMP OPTIMIZERS
- TextGrad: Automatic "Differentiation" via Text
- Task Facet Learning: A Structured Approach to Prompt Optimization
- LangGPT: Rethinking Structured Reusable Prompt Design Framework for LLMs from the Programming Language
- PAS: Data-Efficient Plug-and-Play Prompt Augmentation System
- Let Me Speak Freely? A Study on the Impact of Format Restrictions on Performance of Large Language Models
- From Pen to Prompt: How Creative Writers Integrate AI into their Writing Practice
- Does Prompt Formatting Have Any Impact on LLM Performance?
- AUTO-DEMO PROMPTING: LEVERAGING GENERATED OUTPUTS AS DEMONSTRATIONS FOR ENHANCED BATCH PROMPTING
- PROMPTBREEDER: SELF-REFERENTIAL SELF-IMPROVEMENT VIA PROMPT EVOLUTION
大模型图表理解和生成
- Опрос
- Table Meets LLM: Can Large Language Models Understand Structured Table Data? A Benchmark and Empirical Study
- Large Language Models(LLMs) on Tabular Data: Prediction, Generation, and Understanding - A Survey
- Exploring the Numerical Reasoning Capabilities of Language Models: A Comprehensive Analysis on Tabular Data
- быстрый
- Large Language Models are Versatile Decomposers: Decompose Evidence and Questions for Table-based Reasoning
- Tab-CoT: Zero-shot Tabular Chain of Thought
- Chain-of-Table: Evolving Tables in the Reasoning Chain for Table Understanding
- fintuning
- TableLlama: Towards Open Large Generalist Models for Tables
- TableLLM: Enabling Tabular Data Manipulation by LLMs in Real Office Usage Scenarios
- multimodal
- MMC: Advancing Multimodal Chart Understanding with Large-scale Instruction Tuning
- ChartLlama: A Multimodal LLM for Chart Understanding and Generation
- ChartAssisstant: A Universal Chart Multimodal Language Model via Chart-to-Table Pre-training and Multitask Instruction Tuning
- ChartInstruct: Instruction Tuning for Chart Comprehension and Reasoning
- ChartX & ChartVLM: A Versatile Benchmark and Foundation Model for Complicated Chart Reasoning
- MATCHA : Enhancing Visual Language Pretraining with Math Reasoning and Chart Derendering
- UniChart: A Universal Vision-language Pretrained Model for Chart Comprehension and Reasoning
- TinyChart: Efficient Chart Understanding with Visual Token Merging and Program-of-Thoughts Learning
- Tables as Texts or Images: Evaluating the Table Reasoning Ability of LLMs and MLLMs
- TableVQA-Bench: A Visual Question Answering Benchmark on Multiple Table Domains
- TabPedia: Towards Comprehensive Visual Table Understanding with Concept Synergy
LLM+KG
- Обзор
- Unifying Large Language Models and Knowledge Graphs: A Roadmap
- Large Language Models and Knowledge Graphs: Opportunities and Challenges
- 知识图谱与大模型融合实践研究报告2023
- KG用于大模型推理
- Using Large Language Models for Zero-Shot Natural Language Generation from Knowledge Graphs
- MindMap: Knowledge Graph Prompting Sparks Graph of Thoughts in Large Language Models
- Knowledge-Augmented Language Model Prompting for Zero-Shot Knowledge Graph Question Answering
- Domain Specific Question Answering Over Knowledge Graphs Using Logical Programming and Large Language Models
- BRING YOUR OWN KG: Self-Supervised Program Synthesis for Zero-Shot KGQA
- StructGPT: A General Framework for Large Language Model to Reason over Structured Data
- 大模型用于KG构建
- Enhancing Knowledge Graph Construction Using Large Language Models
- LLM-assisted Knowledge Graph Engineering: Experiments with ChatGPT
- ITERATIVE ZERO-SHOT LLM PROMPTING FOR KNOWLEDGE GRAPH CONSTRUCTION
- Exploring Large Language Models for Knowledge Graph Completion
Humanoid Agents
- HABITAT 3.0: A CO-HABITAT FOR HUMANS, AVATARS AND ROBOTS
- Humanoid Agents: Platform for Simulating Human-like Generative Agents
- Voyager: An Open-Ended Embodied Agent with Large Language Models
- Shaping the future of advanced robotics
- AUTORT: EMBODIED FOUNDATION MODELS FOR LARGE SCALE ORCHESTRATION OF ROBOTIC AGENTS
- ROBOTIC TASK GENERALIZATION VIA HINDSIGHT TRAJECTORY SKETCHES
- ALFWORLD: ALIGNING TEXT AND EMBODIED ENVIRONMENTS FOR INTERACTIVE LEARNING
- MINEDOJO: Building Open-Ended Embodied Agents with Internet-Scale Knowledge
- LEGENT: Open Platform for Embodied Agents
pretrain_data & pretrain
- DoReMi: Optimizing Data Mixtures Speeds Up Language Model Pretraining
- The Pile: An 800GB Dataset of Diverse Text for Language Modeling
- CCNet: Extracting High Quality Monolingual Datasets fromWeb Crawl Data
- WanJuan: A Comprehensive Multimodal Dataset for Advancing English and Chinese Large Models
- CLUECorpus2020: A Large-scale Chinese Corpus for Pre-training Language Model
- In-Context Pretraining: Language Modeling Beyond Document Boundaries
- Data Mixing Laws: Optimizing Data Mixtures by Predicting Language Modeling Performance
- Zyda: A 1.3T Dataset for Open Language Modeling
- Entropy Law: The Story Behind Data Compression and LLM Performance
- Data, Data Everywhere: A Guide for Pretraining Dataset Construction
- Data curation via joint example selection further accelerates multimodal learning
- IMPROVING PRETRAINING DATA USING PERPLEXITY CORRELATIONS
- AI models collapse when trained on recursively generated data
领域模型SFT(domain_llms)
- финансы
- BloombergGPT： A Large Language Model for Finance
- FinVis-GPT: A Multimodal Large Language Model for Financial Chart Analysis
- CFGPT: Chinese Financial Assistant with Large Language Model
- CFBenchmark: Chinese Financial Assistant Benchmark for Large Language Model
- InvestLM: A Large Language Model for Investment using Financial Domain Instruction Tuning
- BBT-Fin: Comprehensive Construction of Chinese Financial Domain Pre-trained Language Model, Corpus and Benchmark
- PIXIU: A Large Language Model, Instruction Data and Evaluation Benchmark for Finance
- The FinBen: An Holistic Financial Benchmark for Large Language Models
- XuanYuan 2.0: A Large Chinese Financial Chat Model with Hundreds of Billions Parameters
- Towards Trustworthy Large Language Models in Industry Domains
- When AI Meets Finance (StockAgent): Large Language Model-based Stock Trading in Simulated Real-world Environments
- A Survey of Large Language Models for Financial Applications: Progress, Prospects and Challenges
- 生物医疗
- MedGPT: Medical Concept Prediction from Clinical Narratives
- BioGPT：Generative Pre-trained Transformer for Biomedical Text Generation and Mining
- PubMed GPT: A Domain-specific large language model for biomedical text
- ChatDoctor：Medical Chat Model Fine-tuned on LLaMA Model using Medical Domain Knowledge
- Med-PaLM：Large Language Models Encode Clinical Knowledge[V1,V2]
- SMILE: Single-turn to Multi-turn Inclusive Language Expansion via ChatGPT for Mental Health Support
- Zhongjing: Enhancing the Chinese Medical Capabilities of Large Language Model through Expert Feedback and Real-world Multi-turn Dialogue
- другой
- Galactia：A Large Language Model for Science
- Augmented Large Language Models with Parametric Knowledge Guiding
- ChatLaw Open-Source Legal Large Language Model
- MediaGPT : A Large Language Model For Chinese Media
- KITLM: Domain-Specific Knowledge InTegration into Language Models for Question Answering
- EcomGPT: Instruction-tuning Large Language Models with Chain-of-Task Tasks for E-commerce
- TableGPT: Towards Unifying Tables, Nature Language and Commands into One GPT
- LLEMMA: AN OPEN LANGUAGE MODEL FOR MATHEMATICS
- MEDITAB: SCALING MEDICAL TABULAR DATA PREDICTORS VIA DATA CONSOLIDATION, ENRICHMENT, AND REFINEMENT
- PLLaMa: An Open-source Large Language Model for Plant Science
- ADAPTING LARGE LANGUAGE MODELS VIA READING COMPREHENSION
LLM超长文本处理(long_input)
- 位置编码、注意力机制优化
- Unlimiformer: Long-Range Transformers with Unlimited Length Input
- Parallel Context Windows for Large Language Models
- 苏剑林, NBCE：使用朴素贝叶斯扩展LLM的Context处理长度
- Structured Prompting: Scaling In-Context Learning to 1,000 Examples
- Vcc: Scaling Transformers to 128K Tokens or More by Prioritizing Important Tokens
- Scaling Transformer to 1M tokens and beyond with RMT
- TRAIN SHORT, TEST LONG: ATTENTION WITH LINEAR BIASES ENABLES INPUT LENGTH EXTRAPOLATION
- Extending Context Window of Large Language Models via Positional Interpolation
- LongNet: Scaling Transformers to 1,000,000,000 Tokens
- https://kaiokendev.github.io/til#extending-context-to-8k
- 苏剑林,Transformer升级之路：10、RoPE是一种β进制编码
- 苏剑林,Transformer升级之路：11、将β进制位置进行到底
- 苏剑林,Transformer升级之路：12、无限外推的ReRoPE？
- 苏剑林,Transformer升级之路：15、Key归一化助力长度外推
- EFFICIENT STREAMING LANGUAGE MODELS WITH ATTENTION SINKS
- Ring Attention with Blockwise Transformers for Near-Infinite Context
- YaRN: Efficient Context Window Extension of Large Language Models
- LM-INFINITE: SIMPLE ON-THE-FLY LENGTH GENERALIZATION FOR LARGE LANGUAGE MODELS
- EFFICIENT STREAMING LANGUAGE MODELS WITH ATTENTION SINKS
- 上文压缩排序方案
- Lost in the Middle: How Language Models Use Long Contexts
- LLMLingua: Compressing Prompts for Accelerated Inference of Large Language Models
- LongLLMLingua: Accelerating and Enhancing LLMs in Long Context Scenarios via Prompt Compression
- Learning to Compress Prompts with Gist Tokens
- Unlocking Context Constraints of LLMs: Enhancing Context Efficiency of LLMs with Self-Information-Based Content Filtering
- LongAgent: Scaling Language Models to 128k Context through Multi-Agent Collaboration
- PCToolkit: A Unified Plug-and-Play Prompt Compression Toolkit of Large Language Models
- Are Long-LLMs A Necessity For Long-Context Tasks?
- 训练和模型架构方案
- Never Train from Scratch: FAIR COMPARISON OF LONGSEQUENCE MODELS REQUIRES DATA-DRIVEN PRIORS
- Soaring from 4K to 400K: Extending LLM's Context with Activation Beacon
- Never Lost in the Middle: Improving Large Language Models via Attention Strengthening Question Answering
- Focused Transformer: Contrastive Training for Context Scaling
- Effective Long-Context Scaling of Foundation Models
- ON THE LONG RANGE ABILITIES OF TRANSFORMERS
- Efficient Long-Range Transformers: You Need to Attend More, but Not Necessarily at Every Layer
- POSE: EFFICIENT CONTEXT WINDOW EXTENSION OF LLMS VIA POSITIONAL SKIP-WISE TRAINING
- LONGLORA: EFFICIENT FINE-TUNING OF LONGCONTEXT LARGE LANGUAGE MODELS
- LongAlign: A Recipe for Long Context Alignment of Large Language Models
- Data Engineering for Scaling Language Models to 128K Context
- MEGALODON: Efficient LLM Pretraining and Inference with Unlimited Context Length
- Make Your LLM Fully Utilize the Context
- Untie the Knots: An Efficient Data Augmentation Strategy for Long-Context Pre-Training in Language Models
- Оптимизация эффективности
- Efficient Attention: Attention with Linear Complexities
- Transformers are RNNs: Fast Autoregressive Transformers with Linear Attention
- HyperAttention: Long-context Attention in Near-Linear Time
- FlashAttention: Fast and Memory-Efficient Exact Attention with IO-Awareness
- With Greater Text Comes Greater Necessity: Inference-Time Training Helps Long Text Generation
LLM长文本生成（long_output）
- Re3 : Generating Longer Stories With Recursive Reprompting and Revision
- RECURRENTGPT: Interactive Generation of (Arbitrarily) Long Text
- DOC: Improving Long Story Coherence With Detailed Outline Control
- Weaver: Foundation Models for Creative Writing
- Assisting in Writing Wikipedia-like Articles From Scratch with Large Language Models
- Into the Unknown Unknowns: Engaged Human Learning through Participation in Language Model Agent Conversations
NL2SQL
- 大模型方案
- DIN-SQL: Decomposed In-Context Learning of Text-to-SQL with Self-Correction
- C3: Zero-shot Text-to-SQL with ChatGPT
- SQL-PALM: IMPROVED LARGE LANGUAGE MODEL ADAPTATION FOR TEXT-TO-SQL
- BIRD Can LLM Already Serve as A Database Interface? A BIg Bench for Large-Scale Database Grounded Text-to-SQL
- A Case-Based Reasoning Framework for Adaptive Prompting in Cross-Domain Text-to-SQL
- ChatDB: AUGMENTING LLMS WITH DATABASES AS THEIR SYMBOLIC MEMORY
- A comprehensive evaluation of ChatGPT's zero-shot Text-to-SQL capability
- Few-shot Text-to-SQL Translation using Structure and Content Prompt Learning
- Tool-Assisted Agent on SQL Inspection and Refinement in Real-World Scenarios
- Domain Knowledge Intensive
- Towards Knowledge-Intensive Text-to-SQL Semantic Parsing with Formulaic Knowledge
- Bridging the Generalization Gap in Text-to-SQL Parsing with Schema Expansion
- Towards Robustness of Text-to-SQL Models against Synonym Substitution
- FinQA: A Dataset of Numerical Reasoning over Financial Data
- Другие
- RESDSQL: Decoupling Schema Linking and Skeleton Parsing for Text-to-SQL
- MIGA: A Unified Multi-task Generation Framework for Conversational Text-to-SQL
主流LLMS和预训练
- GLM-130B: AN OPEN BILINGUAL PRE-TRAINED MODEL
- PaLM: Scaling Language Modeling with Pathways
- PaLM 2 Technical Report
- GPT-4 Technical Report
- Backpack Language Models
- LLaMA: Open and Efficient Foundation Language Models
- Llama 2: Open Foundation and Fine-Tuned Chat Models
- Sheared LLaMA: Accelerating Language Model Pre-training via Structured Pruning
- OpenBA: An Open-sourced 15B Bilingual Asymmetric seq2seq Model Pre-trained from Scratch
- Mistral 7B
- Ziya2: Data-centric Learning is All LLMs Need
- MEGABLOCKS: EFFICIENT SPARSE TRAINING WITH MIXTURE-OF-EXPERTS
- TUTEL: ADAPTIVE MIXTURE-OF-EXPERTS AT SCALE
- Phi1- Textbooks Are All You Need
- Phi1.5- Textbooks Are All You Need II: phi-1.5 technical report
- Phi-3 Technical Report: A Highly Capable Language Model Locally on Your Phone
- Gemini: A Family of Highly Capable Multimodal Models
- In-Context Pretraining: Language Modeling Beyond Document Boundaries
- LLAMA PRO: Progressive LLaMA with Block Expansion
- QWEN TECHNICAL REPORT
- Fewer Truncations Improve Language Modeling
- ChatGLM: A Family of Large Language Models from GLM-130B to GLM-4 All Tools
- Phi-4 Technical Report
- Byte Latent Transformer: Patches Scale Better Than Tokens
- Qwen2.5 Technical Report
- DeepSeek-V3 Technical Report
- Mixtral of Experts
Code Generation
- Code Generation with AlphaCodium: From Prompt Engineering to Flow Engineering
- Codeforces as an Educational Platform for Learning Programming in Digitalization
- Competition-Level Code Generation with AlphaCode
- CODECHAIN: TOWARDS MODULAR CODE GENERATION THROUGH CHAIN OF SELF-REVISIONS WITH REPRESENTATIVE SUB-MODULES
- AI Coders Are Among Us: Rethinking Programming Language Grammar Towards Efficient Code Generation
降低模型幻觉(reliability)
- Опрос
- Large language models and the perils of their hallucinations
- Survey of Hallucination in Natural Language Generation
- Siren's Song in the AI Ocean: A Survey on Hallucination in Large Language Models
- A Survey of Hallucination in Large Foundation Models
- A Survey on Hallucination in Large Language Models: Principles, Taxonomy, Challenges, and Open Questions
- Calibrated Language Models Must Hallucinate
- Why Does ChatGPT Fall Short in Providing Truthful Answers?
- Prompt or Tunning
- R-Tuning: Teaching Large Language Models to Refuse Unknown Questions
- PROMPTING GPT-3 TO BE RELIABLE
- ASK ME ANYTHING: A SIMPLE STRATEGY FOR PROMPTING LANGUAGE MODELS
- On the Advance of Making Language Models Better Reasoners
- RefGPT: Reference → Truthful & Customized Dialogues Generation by GPTs and for GPTs
- Rethinking with Retrieval: Faithful Large Language Model Inference
- GENERATE RATHER THAN RETRIEVE: LARGE LANGUAGE MODELS ARE STRONG CONTEXT GENERATORS
- Large Language Models Struggle to Learn Long-Tail Knowledge
- Decoding Strategy
- Trusting Your Evidence: Hallucinate Less with Context-aware Decoding
- SELF-REFINE:ITERATIVE REFINEMENT WITH SELF-FEEDBACK
- Enhancing Self-Consistency and Performance of Pre-Trained Language Models through Natural Language Inference
- Inference-Time Intervention: Eliciting Truthful Answers from a Language Model
- Enabling Large Language Models to Generate Text with Citations
- Factuality Enhanced Language Models for Open-Ended Text Generation
- KL-Divergence Guided Temperature Sampling
- KCTS: Knowledge-Constrained Tree Search Decoding with Token-Level Hallucination Detection
- CONTRASTIVE DECODING IMPROVES REASONING IN LARGE LANGUAGE MODEL
- Contrastive Decoding: Open-ended Text Generation as Optimization
- Probing and Detection
- Automatic Evaluation of Attribution by Large Language Models
- QAFactEval: Improved QA-Based Factual Consistency Evaluation for Summarization
- Zero-Resource Hallucination Prevention for Large Language Models
- LLM Lies: Hallucinations are not Bugs, but Features as Adversarial Examples
- Language Models (Mostly) Know What They Know
- LM vs LM: Detecting Factual Errors via Cross Examination
- Do Language Models Know When They're Hallucinating References?
- SELFCHECKGPT: Zero-Resource Black-Box Hallucination Detection for Generative Large Language Models
- SELF-CONTRADICTORY HALLUCINATIONS OF LLMS: EVALUATION, DETECTION AND MITIGATION
- Self-consistency for open-ended generations
- Improving Factuality and Reasoning in Language Models through Multiagent Debate
- Selective-LAMA: Selective Prediction for Confidence-Aware Evaluation of Language Models
- Can LLMs Express Their Uncertainty? An Empirical Evaluation of Confidence Elicitation in LLMs
- Reviewing and Calibration
- Truth-o-meter: Collaborating with llm in fighting its hallucinations
- RARR: Researching and Revising What Language Models Say, Using Language Models
- CRITIC: LARGE LANGUAGE MODELS CAN SELFCORRECT WITH TOOL-INTERACTIVE CRITIQUING
- VALIDATING LARGE LANGUAGE MODELS WITH RELM
- PURR: Efficiently Editing Language Model Hallucinations by Denoising Language Model Corruptions
- Check Your Facts and Try Again: Improving Large Language Models with External Knowledge and Automated Feedback
- Adaptive Chameleon or Stubborn Sloth: Unraveling the Behavior of Large Language Models in Knowledge Clashes
- Woodpecker: Hallucination Correction for Multimodal Large Language Models
- Zero-shot Faithful Factual Error Correction
- LARGE LANGUAGE MODELS CANNOT SELF-CORRECT REASONING YET
- Training Language Models to Self-Correct via Reinforcement Learning
大模型评估（evaluation）
- 事实性评估
- TRUSTWORTHY LLMS: A SURVEY AND GUIDELINE FOR EVALUATING LARGE LANGUAGE MODELS' ALIGNMENT
- TrueTeacher: Learning Factual Consistency Evaluation with Large Language Models
- TRUE: Re-evaluating Factual Consistency Evaluation
- FACTSCORE: Fine-grained Atomic Evaluation of Factual Precision in Long Form Text Generation
- KoLA: Carefully Benchmarking World Knowledge of Large Language Models
- When Not to Trust Language Models: Investigating Effectiveness of Parametric and Non-Parametric Memories
- FACTOOL: Factuality Detection in Generative AI A Tool Augmented Framework for Multi-Task and Multi-Domain Scenarios
- LONG-FORM FACTUALITY IN LARGE LANGUAGE MODELS
- 检测任务
- Detecting Pretraining Data from Large Language Models
- Scalable Extraction of Training Data from (Production) Language Models
- Rethinking Benchmark and Contamination for Language Models with Rephrased Samples
推理优化(inference)
- Fast Transformer Decoding: One Write-Head is All You Need
- Fast Inference from Transformers via Speculative Decoding
- GQA: Training Generalized Multi-Query Transformer Models from Multi-Head Checkpoints
- Skeleton-of-Thought: Large Language Models Can Do Parallel Decoding
- SkipDecode: Autoregressive Skip Decoding with Batching and Caching for Efficient LLM Inference
- BatchPrompt: Accomplish more with less
- You Only Cache Once: Decoder-Decoder Architectures for Language Models
- XGrammar: Flexible and Efficient Structured Generation Engine for Large Language Models
- Precise Length Control in Large Language Models
- Top-nσ: Not All Logits Are You Need
- Prompt Cache: Modular Attention Reuse for Low-Latency Inference
模型知识编辑黑科技(model_edit)
- ROME：Locating and Editing Factual Associations in GPT
- Transformer Feed-Forward Layers Are Key-Value Memories
- MEMIT: Mass-Editing Memory in a Transformer
- MEND：Fast Model Editing at Scale
- Editing Large Language Models: Problems, Methods, and Opportunities
- Language Models are Super Mario: Absorbing Abilities from Homologous Models as a Free Lunch
- Automata-based constraints for language model decoding
- SGLang: Efficient Execution of Structured Language Model Programs
模型合并和剪枝(model_merge)
- Blending Is All You Need: Cheaper, Better Alternative to Trillion-Parameters LLM
- DARE Language Models are Super Mario: Absorbing Abilities from Homologous Models as a Free Lunch
- EDITING MODELS WITH TASK ARITHMETIC
- TIES-Merging: Resolving Interference When Merging Models
- LM-Cocktail: Resilient Tuning of Language Models via Model Merging
- SLICEGPT: COMPRESS LARGE LANGUAGE MODELS BY DELETING ROWS AND COLUMNS
- Checkpoint Merging via Bayesian Optimization in LLM Pretrainin
- Arcee's MergeKit: A Toolkit for Merging Large Language Models
MOE
- Tricks for Training Sparse Translation Models
- ST-MoE: Designing Stable and Transferable Sparse Expert Models
- Switch Transformers: Scaling to Trillion Parameter Models with Simple and Efficient Sparsity
- GLaM: Efficient Scaling of Language Models with Mixture-of-Experts
- GShard: Scaling Giant Models with Conditional Computation and Automatic Sharding
- OUTRAGEOUSLY LARGE NEURAL NETWORKS: THE SPARSELY-GATED MIXTURE-OF-EXPERTS LAYER
- DeepSpeed-MoE: Advancing Mixture-of-Experts Inference and Training to Power Next-Generation AI Scale
- Dense-to-Sparse Gate for Mixture-of-Experts
- Efficient Large Scale Language Modeling with Mixtures of Experts
Multimodal
- InstructBLIP: Towards General-purpose Vision-Language Models with Instruction Tuning
- Visual ChatGPT: Talking, Drawing and Editing with Visual Foundation Models
- LLava Visual Instruction Tuning
- MiniGPT-4: Enhancing Vision-Language Understanding with Advanced Large Language Models
- BLIVA: A Simple Multimodal LLM for Better Handling of Text-Rich Visual Questions
- mPLUG-Owl : Modularization Empowers Large Language Models with Multimodality
- LVLM eHub: A Comprehensive Evaluation Benchmark for Large VisionLanguage Models
- Mirasol3B: A Multimodal Autoregressive model for time-aligned and contextual modalities
- PaLM-E: An Embodied Multimodal Language Model
- TabLLM: Few-shot Classification of Tabular Data with Large Language Models
- AnyGPT: Unified Multimodal LLM with Discrete Sequence Modeling
- Sora tech report
- Towards General Computer Control: A Multimodal Agent for Red Dead Redemption II as a Case Study
- Пост
- Vary: Scaling up the Vision Vocabulary for Large Vision-Language Models
- Large OCR Model:An Empirical Study of Scaling Law for OCR
- ON THE HIDDEN MYSTERY OF OCR IN LARGE MULTIMODAL MODELS
- PreFLMR: Scaling Up Fine-Grained Late-Interaction Multi-modal Retrievers
- Many-Shot In-Context Learning in Multimodal Foundation Models
- Adding Conditional Control to Text-to-Image Diffusion Models
- Ferret-UI: Grounded Mobile UI Understanding with Multimodal LLMs
- ShowUI: One Vision-Language-Action Model for GUI Visual Agent
Краткое содержание
- A Survey of Large Language Models
- Pre-train, Prompt, and Predict: A Systematic Survey of Prompting Methods in Natural Language Processing
- Paradigm Shift in Natural Language Processing
- Pre-Trained Models: Past, Present and Future
- What Language Model Architecture and Pretraining objects work best for zero shot generalization
- Towards Reasoning in Large Language Models: A Survey
- Reasoning with Language Model Prompting: A Survey
- An Overview on Language Models: Recent Developments and Outlook
- A Survey of Large Language Models[6.29更新版]
- Unifying Large Language Models and Knowledge Graphs: A Roadmap
- Augmented Language Models: a Survey
- Domain Specialization as the Key to Make Large Language Models Disruptive: A Comprehensive Survey
- Challenges and Applications of Large Language Models
- The Rise and Potential of Large Language Model Based Agents: A Survey
- Large Language Models for Information Retrieval: A Survey
- AI Alignment: A Comprehensive Survey
- Trends in Integration of Knowledge and Large Language Models: A Survey and Taxonomy of Methods, Benchmarks, and Applications
- Large Models for Time Series and Spatio-Temporal Data: A Survey and Outlook
- A Survey on Language Models for Code
- Model-as-a-Service (MaaS): A Survey
大模型能力探究
- In Context Learning
- LARGER LANGUAGE MODELS DO IN-CONTEXT LEARNING DIFFERENTLY
- How does in-context learning work? A framework for understanding the differences from traditional supervised learning
- Why can GPT learn in-context? Language Model Secretly Perform Gradient Descent as Meta-Optimizers
- Rethinking the Role of Demonstrations What Makes incontext learning work?
- Trained Transformers Learn Linear Models In-Context
- In-Context Learning Creates Task Vectors
- FUNCTION VECTORS IN LARGE LANGUAGE MODELS
- 涌现能力
- Sparks of Artificial General Intelligence: Early experiments with GPT-4
- Emerging Ability of Large Language Models
- LANGUAGE MODELS REPRESENT SPACE AND TIME
- Are Emergent Abilities of Large Language Models a Mirage?
- 能力评估
- IS CHATGPT A GENERAL-PURPOSE NATURAL LANGUAGE PROCESSING TASK SOLVER?
- Can Large Language Models Infer Causation from Correlation?
- Holistic Evaluation of Language Model
- Harnessing the Power of LLMs in Practice: A Survey on ChatGPT and Beyond
- Theory of Mind May Have Spontaneously Emerged in Large Language Models
- Beyond The Imitation Game: Quantifying And Extrapolating The Capabilities Of Language Models
- Do Models Explain Themselves? Counterfactual Simulatability of Natural Language Explanations
- Demystifying GPT Self-Repair for Code Generation
- Evidence of Meaning in Language Models Trained on Programs
- Can Explanations Be Useful for Calibrating Black Box Models
- On the Robustness of ChatGPT: An Adversarial and Out-of-distribution Perspective
- Language acquisition: do children and language models follow similar learning stages?
- Language is primarily a tool for communication rather than thought
- 领域能力
- Capabilities of GPT-4 on Medical Challenge Problems
- Can Generalist Foundation Models Outcompete Special-Purpose Tuning? Case Study in Medicine
- Understanding LLM Embeddings for Regression
Prompt Tunning范式
- Tunning Free Prompt
- GPT2: Language Models are Unsupervised Multitask Learners
- GPT3: Language Models are Few-Shot Learners
- LAMA: Language Models as Knowledge Bases?
- AutoPrompt: Eliciting Knowledge from Language Models
- Fix-Prompt LM Tunning
- T5: Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer
- PET-TC(a): Exploiting Cloze Questions for Few Shot Text Classification and Natural Language Inference
- PET-TC(b): PETSGLUE It's Not Just Size That Matters Small Language Models are also few-shot learners
- GenPET: Few-Shot Text Generation with Natural Language Instructions
- LM-BFF: Making Pre-trained Language Models Better Few-shot Learners
- ADEPT: Improving and Simplifying Pattern Exploiting Training
- Fix-LM Prompt Tunning
- Prefix-tuning: Optimizing continuous prompts for generation
- Prompt-tunning: The power of scale for parameter-efficient prompt tuning
- P-tunning: GPT Understands Too
- WARP: Word-level Adversarial ReProgramming
- LM + Prompt Tunning
- P-tunning v2: Prompt Tuning Can Be Comparable to Fine-tunning Universally Across Scales and Tasks
- PTR: Prompt Tuning with Rules for Text Classification
- PADA: Example-based Prompt Learning for on-the-fly Adaptation to Unseen Domains
- Fix-LM Adapter Tunning
- LORA: LOW-RANK ADAPTATION OF LARGE LANGUAGE MODELS
- LST: Ladder Side-Tuning for Parameter and Memory Efficient Transfer Learning
- Parameter-Efficient Transfer Learning for NLP
- INTRINSIC DIMENSIONALITY EXPLAINS THE EFFECTIVENESS OF LANGUAGE MODEL FINE-TUNING
- DoRA: Weight-Decomposed Low-Rank Adaptation
- Representation Tuning
- ReFT: Representation Finetuning for Language Models
Timeseries LLM
- TimeGPT-1
- Large Models for Time Series and Spatio-Temporal Data: A Survey and Outlook
- TIME-LLM: TIME SERIES FORECASTING BY REPROGRAMMING LARGE LANGUAGE MODELS
- Large Language Models Are Zero-Shot Time Series Forecasters
- TEMPO: PROMPT-BASED GENERATIVE PRE-TRAINED TRANSFORMER FOR TIME SERIES FORECASTING
- Generative Pre-Training of Time-Series Data for Unsupervised Fault Detection in Semiconductor Manufacturing
- Lag-Llama: Towards Foundation Models for Time Series Forecasting
- PromptCast: A New Prompt-based Learning Paradigm for Time Series Forecasting
Quanization
- AWQ: Activation-aware Weight Quantization for LLM Compression and Acceleration
- LLM-QAT: Data-Free Quantization Aware Training for Large Language Models
- LLM.int8() 8-bit Matrix Multiplication for Transformers at Scale
- SmoothQuant Accurate and Efficient Post-Training Quantization for Large Language Models
Adversarial Attacking
- Curiosity-driven Red-teaming for Large Language Models
- Red Teaming Language Models with Language Models
- EXPLORE, ESTABLISH, EXPLOIT: RED-TEAMING LANGUAGE MODELS FROM SCRATCH
Модель диалога
- LaMDA: Language Models for Dialog Applications
- Sparrow: Improving alignment of dialogue agents via targeted human judgements
- BlenderBot 3: a deployed conversational agent that continually learns to responsibly engage
- How NOT To Evaluate Your Dialogue System: An Empirical Study of Unsupervised Evaluation Metrics for Dialogue Response Generation
- DialogStudio: Towards Richest and Most Diverse Unified Dataset Collection for Conversational AI
- Enhancing Chat Language Models by Scaling High-quality Instructional Conversations
- DiagGPT: An LLM-based Chatbot with Automatic Topic Management for Task-Oriented Dialogue
Другие
- Pretraining on the Test Set Is All You Need 哈哈作者你是懂讽刺文学的
- Learnware: Small Models Do Big
- The economic potential of generative AI
- A PhD Student's Perspective on Research in NLP in the Era of Very Large Language Models
