Deep Learning Paper
1.0.0
Я прочитал эти статьи, которые связаны с NLP и глубоким обучением. Вот различные статьи от базового до продвинутого. ? Кроме того, вы можете проверить мои корейские обзоры бумаги, нажав на ссылку, прикрепленную к таблице.
Вы можете увидеть больше обзоров бумаги, реализации кода и описания математики в моем блоге <- Нажмите здесь
Я пишу несколько статей, чтобы подробно объяснить некоторые технологии глубокого обучения. Эти статьи можно найти в таблице ниже.
| Заголовок | Ссылка на блог |
|---|---|
| Как законодательство масштабирования развивалось в НЛП? ? | https://cartinoe5930.tistory.com/entry/how-has-caling-law-developed-in-nlp-%f0%9f%A4%94-nlp%ec%97%90%ec%84 %9C-Scalling-Law%EB%8A%94-%EC%96%B4%EB%96%BB%EA%B2%8C-%EB%B0%9C%EC%A0%84%EB%90%98%EC%97%88%EC%9D%84%EA%B9%CC |
| Закрытый исходный код? С открытым исходным кодом ?? Что это такое?? ?? | https://cartinoe5930.tistory.com/entry/the-hopes-oresearchers-open-source-%F0%9F%A4%97- %EC%97%B0%EA%B5%AC%EC%9E%90%EB%93%A4%EC%9D%98-%ED%9D%AC%EB%A7%9D-OPEN-Source-%F0%9F%A4%97 |
| Контекст окна LM, должно быть длинным? Должен ли это быть коротким? ?? | https://cartinoe5930.tistory.com/entry/lm%EC%9D%98-context-window-%EA%B8%B8%EC%96%B4%EC%95%B C-%ED%95%A0%EA%B9%8C-%EC%A7%A7%EC%95%84%EC%95%BC-%ED%95%A0%EA%B9%8C-%F0%9F%93%8F%F0%9F%A4%A8 |
| Какой самый оптимальный способ оценить LM? ? | https://cartinoe5930.tistory.com/entry/lm%ec%9D%84-%EA%B0%80%EC%9E%A5-%EC%B5%9C%EC 0,0%80%EC%9E%A5-%EC%B5%9C%EC 0,0%81%EC%9C%EB%A1%9C-%ED%89%EA B0%80%ED%95%A0-%EC%88%98-%EC%9E%88%EB%8A%94-%EB%B0%A9%EB%B2%95%EC%9D%80-%EB%AC%B4%EC%97%87%EC%9D%BC%B9%8C-%F0%98%98%9C%9F 98%9C%9F 98%9C%9C%9F 98%9C%9C%9C%9C%9C%9C%9C%9C%9C%9C%9C%9C%9C%9C%9C%9.% |
| Производительность Chatgpt ухудшается?!?!? ?? | https://cartinoe5930.tistory.com/entry/chatgpt%ec%9D%98-%EC%84%B1%EB%8A%A5%EC%9D%B4-%EC%95% 88-%EC%A2%8B%EC%95%84%EC%A7%80%EA%B3%A0-%EC%9E%88%EB%8B%A4%EA%B5%AC-%F0%9F%98%B2%F0%9F%98%B2 |
| Вы тоже можете настройку! с Пефт? | https://cartinoe5930.tistory.com/entry/%EB%8B%B9%EC%8B%A0%EB%8F%84-Fine-Tuning- %ED%95%A0-%EC%88%98-%EC%9E%88%EC%8A%B5%EB%8B%88%EB%8B%A4-WITH-PEFT-%F0%9F%A4%97 |
| Давайте подумаем шаг за шагом, как люди! ?? | https://cartinoe5930.tistory.com/entry/%ED%95%9C-еся %EC%9D%B8%EA%B0%84%EC%B2%98%EB%9F%BC-%EC%83%9D%EA%B0%81%ED%95%B4%EB%B3%B4%EC%9E%90-%F0%9F%A7%A0%9F%A4%94 |
| Процесс разработки метода тонкой настройки !! От тонкой настройки до rlhf? ➡? | https://cartinoe5930.tistory.com/entry/fine-tuning-method%EC%9D%98-%EC%A7%84%ED%99%94-%EA%B3%BC%EC%A0%95-%F0%9F%A6%96%E2%9E%A%EEF%B8% 8,,9,9,9,9,9,9,911,91,96%E2%9E%A%EEF%B8% 8,, |
| Пришло время точно настроить чат! ⏰ | https://cartinoe5930.tistory.com/entry/%EC%9D%B4%EC0%9C%EB%8A%94-CHATGPT%EB%A5%BC-Fine-TUNING-%ED%95%A0-%EC%8B%9C%EA%EB0%84-%E2%8F%B0 |
| Шум делает LLM лучше! - Нефтун | https://cartinoe5930.tistory.com/entry/noise-makes-llm-better-neftune-%f0%9f%98%89 |
| Название бумаги | Ссылка на бумажную или справочную площадку | Бумажный обзор |
|---|---|---|
| Встраиваемая матрица | https://wikidocs.net/book/2155 | https://cartinoe5930.tistory.com/entry/embedding-matrix-%ED%95%99%EC%8A%B5 |
| LSTM: Длинной термин память | https://colah.github.io/posts/2015-08- Instronging-lstms/ | https://cartinoe5930.tistory.com/entry/%EC%95%8C%EA%B8%B0-%EC%89%BD%EA%B2%8C-LSTM-NetWorks-%EC%9D%B4%ED%95%B4%ED%95%98%EA%B8%B0 |
| GRU: Учебные фразы с использованием RNN Encoder-Decoder для перевода статистической машины | https://arxiv.org/abs/1406.1078 | https://cartinoe5930.tistory.com/entry/gru-empirical-valuation-of-gated-recurrent-neural-networks-on-sequence-modeling-%EB%85%BC%EB%C%B8-%EB%A6%EB%B7%B0 |
| LSTM против GRU: Эмпирическая оценка закрытых повторяющихся нейронных сетей по моделированию последовательностей | https://arxiv.org/abs/1412.3555 | https://cartinoe5930.tistory.com/entry/lstm-vs-gru-%EB%AD%90%EA%B0%80-%EB%8D%94-%EB%82%98%EC%9D%84%EA%B9%8C-EMP IRICAL-EVALUATION-OF GRECERENT-NEURAL-NETWORKS-ON-SESSENCE-Modeling-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| Название бумаги | Ссылка на бумажную или справочную площадку | Бумажный обзор |
|---|---|---|
| Трансформатор: Внимание - это все, что вам нужно | https://arxiv.org/abs/1706.03762 | https://cartinoe5930.tistory.com/entry/transformer-attention-is-all-you-need-%EB%85%BC%EB%C%B8-%EB%A6%EB%B7%B0 |
| Elmo: глубокие контекстуализированные представления слов | https://arxiv.org/abs/1802.05365 | https://cartinoe5930.tistory.com/entry/pre-trianlain-language-modeling-paper-reading1-elmo-deep-contextailized-word-representations |
| Берт: предварительное обучение глубоких двунаправленных трансформаторов для понимания языка | https://arxiv.org/abs/1810.04805 | https://cartinoe5930.tistory.com/entry/pre-train-language-modeling-paper-reading2-bert-pre training-of-bidirectional-transformers-for-language-respling |
| GPT-1: улучшение понимания языка путем генеративного предварительного обучения | https://s3-us-west-2.amazonaws.com/openai-assets/research-covers/language-unsupervised/language_onderstanding_paper.pdf | https://cartinoe5930.tistory.com/entry/pre-trianlable-language-modeling-paper-reading3-gpt-1-improving-language- Instring-by-generative-pre-training |
| GPT-2: Языковые модели-это неконтролируемые многозадачные ученики | https://d4mucfpksywv.cloudfront.net/better-lage-models/language_models_are_unsupervised_multitask_learners.pdf | https://cartinoe5930.tistory.com/entry/gpt-2-language-models-are-unsupervised-multitask-learners-%EB%85%BC%EB%AC%B8-%EB%A6%EB%B7%B0 |
| GPT-3: Языковые модели-это несколько выстрелов. | https://cartinoe5930.tistory.com/entry/gpt-3-language-models-are-few-shot-learners-%EB%85%BC%EB%AC%B8-%EB%A6%EB%B7%B0 | https://cartinoe5930.tistory.com/entry/gpt-3-language-models-are-few-shot-learners-%EB%85%BC%EB%AC%B8-%EB%A6%EB%B7%B0 |
| Transformer-XL: внимательные языковые модели за пределами контекста с фиксированной длиной | https://arxiv.org/abs/1901.02860 | https://cartinoe5930.tistory.com/entry/transformer-xl-attentive-language-models-beyond-a-fixed-lengh-context-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| Разреженные трансформаторы: генерирование длинных последовательностей с редкими трансформаторами | https://arxiv.org/abs/1904.10509 | https://cartinoe5930.tistory.com/entry/sparse-transformers-generating-long-sequence-with-sparse-transformers-%EB%85%BC%EB%AC%B8-%EB%A6%EB%B7%B0 |
| XLnet: генерализованная авторегрессивная предварительная подготовка для понимания языка | https://arxiv.org/abs/1906.08237 | https://cartinoe5930.tistory.com/entry/xlnet-generalized-autoregressive-pretraing-for-language-estonging-%EB%85%BC%EB%AC%B8-%EB%A6%EB%B7%B0 |
| Spanbert: улучшение предварительного обучения, представляя и предсказав пролеты | https://arxiv.org/abs/1907.10529 | https://cartinoe5930.tistory.com/entry/spanbert-improving-pre training-by-representing-and-predicting-pans-%EB%85%BC%EB%ac%B8-%EB%A6%EB%B7%B0 |
| Роберта: надежно оптимизированный подход Берта перед тренировкой | https://arxiv.org/abs/1907.11692 | https://cartinoe5930.tistory.com/entry/roberta-a-robustly-optimized-bert-pretring-proach-%EB%85%BC%EB%C 8-%EB%A6%AC%EB%B7%B0 |
| Приговор-Берт: встраивание приговора с использованием сиамских берт-сети | https://arxiv.org/abs/1908.10084 | https://cartinoe5930.tistory.com/entry/sentence-bert-sentence-embeddings-using-siamese-bert-networks-%EB%85%BC%EB%AC%B8-%EB%A6%EB%B7%B0 |
| Альберт: Lite Bert для самоотверженного изучения языковых представлений | https://arxiv.org/abs/1909.11942 | https://cartinoe5930.tistory.com/entry/albert-lite-bert-for-supervised-learning-oflange-reresentations-%EB%85%BC%EB%AC%B8-%EB%A6%EB%B7%B0 |
| BART: дженочная последовательность к последовательности предварительной тренировки для генерации, перевода и понимания естественного языка | https://arxiv.org/abs/1910.13461 | https://cartinoe5930.tistory.com/entry/bart-denoising-sequence-to- Sequence-pre training-for-natural-generation-translation-and-comprension-%EB%85%BC%EB%C 8-%EB%A6%EB%B7%B0 |
| ПРЕДВАРИТЕЛЬНЫЙ Трансформатор: На нормализации слоя в архитектуре трансформатора | https://arxiv.org/abs/2002.04745 | https://cartinoe5930.tistory.com/entry/pre-ln-transformer-on-layer-normalization-in-the-transformer-architecture-%EB%85%BC%EB%AC%B8-%EB%A6%EB%B7%B0 |
| Electra: предварительно тренировочные текстовые кодеры в виде дискриминаторов, а не генераторов | https://arxiv.org/abs/2003.10555 | https://cartinoe5930.tistory.com/entry/electra-pre-training-text-encoders-s-discriminators-rather-fan-generators |
| Longformer: длинный документ трансформатор | https://arxiv.org/abs/2004.05150 | https://cartinoe5930.tistory.com/entry/longformer-the-long-document-transformer-%EB%85%BC%EB%C%B8-%EB%A6%EB%B7%B0 |
| Bigbird: трансформаторы для более длинных последовательностей | https://arxiv.org/abs/2007.14062 | https://cartinoe5930.tistory.com/entry/bigbird-transformers-for-longer-sequences-%EB%85%BC%EB%C%B8-%EB%A6%EB%B7%B0 |
| Webgpt: браузер с помощью вопросов-ответа с человеческой обратной связью | https://arxiv.org/abs/2112.09332 | https://cartinoe5930.tistory.com/entry/webgpt-browser-assisted-question-answering-with-human-feedback-%EB%85%BC%EB%C8-%EB%A6%EB%B7%B0 |
| Опт: открытые предварительно обученные модели языка трансформаторов | https://arxiv.org/abs/2205.01068 | https://cartinoe5930.tistory.com/entry/opt-open-pre training-transformer-language-dels-%EB%85%BC%EB%AC%B8-%EB%A6%EB%B7%B0 |
| Мамба: моделирование последовательности линейного времени с селективными пространствами состояния | https://arxiv.org/abs/2312.00752 | Нет плана! |
| Название бумаги | Ссылка на бумажную или справочную площадку | Бумажный обзор |
|---|---|---|
| Tinybert: Distilling Bert для понимания естественного языка | https://arxiv.org/abs/1909.10351 | https://cartinoe5930.tistory.com/entry/tinybert-distilling-bert-for-natural-tranguage- Insusting-%EB%85%BC%EB%C 8-%EB%A6%EB%B7%B0 |
| Distilbert: дистиллированная версия Bert | https://arxiv.org/abs/1910.01108 | https://cartinoe5930.tistory.com/entry/distilbert-a-distilled-version-of-bert-smaller-faster-cheaper-and-lighter-%EB%85%BC%EB%ac%B8-%EB%A6%EB%B7%B0 |
| Это не только размер: модели мелких языков также являются учащимися несколькими выстрелами (ПЭТ 응용) | https://arxiv.org/abs/2009.07118 | https://cartinoe5930.tistory.com/entry/its-not-just-size-thats-small-language-models-are-also-feh-shot-learners-%EB%85%BC%EB%AC%B8-%EB%A6%EB%B7%B0 |
| Название бумаги | Ссылка на бумажную или справочную площадку | Бумажный обзор |
|---|---|---|
| Chinchilla: тренировочная вычислительная оптимальная большая языковая модели | https://arxiv.org/abs/2203.15556 | https://cartinoe5930.tistory.com/entry/%EC%A7%80%EA%B8%88-%EA%B9%8C%EC7%80%E C%9D%98-лам-шкалера%EC%97%90%EB%8A%94-%EB%AC%B8%EC%A0%9C%EC%A0%90%EC%9D%B4- %EC%9E%88%EB%8B%A4-%F0%9F%98%B6%E2%80%8D%F0%9F%8C%AB%EF%B8%8F-Chinchilla-Training-Compute-Optimal-Large-Language-Models-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| Pythia: набор для анализа больших языковых моделей по всему обучению и масштабированию | https://arxiv.org/abs/2304.01373 | Нет плана! |
| Лима: меньше для выравнивания | https://arxiv.org/abs/2305.11206 | https://cartinoe5930.tistory.com/entry/lima-less-is-more-for-alcenment-%EB%85%BC%EB%C%B8-%EB%A6%EB%B7%B0 |
| Llama: открытые и эффективные языковые модели фундамента | https://arxiv.org/abs/2302.13971 | https://cartinoe5930.tistory.com/entry/llama-open-and-effious-foundation-language-models-%EB%85%BC%EB%AC%B8-%EB%A6%EB%B7%B0 |
| Wizardlm: расширение возможностей крупных языковых моделей, чтобы следовать сложным инструкциям | https://arxiv.org/abs/2304.12244 | https://cartinoe5930.tistory.com/entry/open-domain-instruction%EC%9D%98-%ED%9A%A8%EA%B3%BC-%F0%9F%AA%84Wiz ARDLM, способствующие широкому языку-моделям-моделям-то-св |
| WizardCoder: расширение возможностей кода большие языковые модели с Evol-Instruct | https://arxiv.org/abs/2306.08568 | https://huggingface.co/wizardlm/wizardcoder-15b-v1.0 |
| Wizardmath: расширение возможностей математических рассуждений для крупных языковых моделей с помощью усиленной Evol-Instruct | https://arxiv.org/abs/2308.09583 | https://huggingface.co/wizardlm/wizardmath-70b-v1.0 |
| Alpaca: сильная, воспроизводимая модель с учетом инструкций | https://crfm.stanford.edu/2023/03/13/alpaca.html | https://cartinoe5930.tistory.com/entry/alpaca-a-strong-replicable-instruction-following- Model-%EB%A6%EB%B7%B0 |
| Vicuna: чат-бот с открытым исходным кодом, впечатляющий GPT-4 | https://lmsys.org/blog/2023-03-30-vicuna/ | https://cartinoe5930.tistory.com/entry/vicuna-an-open-source-chatbot-impressing-gpt-4-%EB%A6%AC%EB%B7%B0 |
| Коала: модель диалога для академических исследований | https://bair.berkeley.edu/blog/2023/04/03/koala/ | https://cartinoe5930.tistory.com/entry/%EC%A4%91%EC%9A%94%ED%95%9C-%EA%B1%B4-%EA%BA%BE%EC% 9D%B4%EC %A7%80-%EC%95%8A%EB%8A%94-HIGHIALT-DATA-KOALA%F0%9F%90%A8-A-DIALOGUE-MODEL-FOR-ACADEMINE-REARC |
| Baize: модель чата с открытым исходным кодом с параметрами настройки на данные о самообслуживании | https://arxiv.org/abs/2304.01196 | https://cartinoe5930.tistory.com/entry/%f0%9f%90%b2baize-an-open-source-chat-model-with-parameter-effiate-tuning-on-self-chat-data-%EB%85%BC%EB%C 8-%EB%A6%EB%B0%B0 |
| Масштабирование языковых моделей с ограниченными данными | https://arxiv.org/abs/2305.16264 | https://www.youtube.com/watch?v=tk0-sitkcmw&pp=ygugahr0chm6ly9hcnhpdi5vcmcvywjzlzizmduumtyynjq%3d |
| Falcon & RefinedWeb | https://arxiv.org/abs/2306.01116 | https://cartinoe5930.tistory.com/entry/open-llm-leaderboard%EB%A5%BC-%ED%9C%A9%EC%93%B4FALCON%F0%9F%A6%85-llm% Falcon-RefineWeb |
| ORCA: прогрессивное обучение на сложных следах объяснения GPT-4 | https://arxiv.org/pdf/2306.02707 | https://cartinoe5930.tistory.com/entry/%f0%9f%90%acorca-progressive-learning-from-complex-explanation-traces-of-gpt-4-%EB%85%BC%EB%C 8-%EB%A6%EB%B7%B0 |
| PHI-1: учебники-это все, что вам нужно | https://arxiv.org/abs/2306.11644 | https://cartinoe5930.tistory.com/entry/%ED%95%84%EC%9A%94%ED%95%9C-%EA%B1%B4-%EC%98%A4%EC 95%81-%EA%B1%B4-%EC%98%A4%EC 7,81-%EA%B5%90%EA%B3%BC%EC%84%9C-%EA%B5%90%EA%B3%BC%EC%84%9C-%EA%B5%90%EA%B3%BC%EC%84%9C-%EA%B5%90%EA %A4%80%EC%9D%98-%EB%8D%B0%EC%9D%B4%ED%84%B0%EB%BF%90-%F0%9F%93%96-PHI-1-TEXTBOORS-AARE-ALL-YOU-NED-NED-%EB%85%BC%EB%B8-%EB%A6%AC%B7%B.%B7%B.%B7%B.%B7%B.%B7%B.%B.%B7%B.%B.%B.%B7%B.%B.%B.%B.%B.%B.%B.%B.%B.%B.%B.%B.%B.%B.%B.%B7%B.%B.%B.%B7%B.%B.%B7%B.%B.%B7%B.%B.%B7%B7%B7%B7%B7% |
| Alpagasus: обучение лучшей альпаке с меньшим количеством данных | https://arxiv.org/abs/2307.08701 | Будет загружен позже! |
| Llama 2: Open Foundation и тонкие модели чата | https://arxiv.org/abs/2307.09288 | https://cartinoe5930.tistory.com/entry/the-hopes-oresearchers-open-source-%F0%9F%A4%97- %EC%97%B0%EA%B5%AC%EC%9E%90%EB%93%A4%EC%9D%98-%ED%9D%AC%EB%A7%9D-OPEN-Source-%F0%9F%A4%97 |
| Птлаток: быстрое, дешевое и мощное уточнение LLMS | https://arxiv.org/abs/2308.07317 | Будет загружен позже! |
| Код Llama: Open Foundation Models для кода | https://arxiv.org/abs/2308.12950 | Нет плана |
| FLM-101B: открытый LLM и как обучить его с бюджетом в 100 тысяч долларов | https://arxiv.org/pdf/2309.03852 | Нет плана! |
| Учебники-это все, что вам нужно II: PHI-1.5 Технический отчет | https://arxiv.org/abs/2309.05463 | https://huggingface.co/microsoft/phi-1_5 |
| OpenChat: продвижение языковых моделей с открытым исходным кодом с помощью данных смешанного качества | https://arxiv.org/abs/2309.11235 | https://github.com/imoneoi/openchat |
| Мишстраль 7b | https://arxiv.org/abs/2310.06825 | https://mistral.ai/news/announcing-mistral-7b/ |
| Прометей: вызывание мелкозернистой оценки в языковых моделях | https://arxiv.org/abs/2310.08491 | https://huggingface.co/papers/2310.08491#652a8e7f303555beba68c1be6 |
| Зефир: прямая перегонка выравнивания LM | https://arxiv.org/abs/2310.16944 | https://www.youtube.com/watch?v=tkzbg3mksio |
| Orca2: обучение моделям мелких языков, как рассуждать | https://arxiv.org/abs/2311.11045 | https://www.microsoft.com/en-us/research/blog/orca-2-teaching-small-language-models-how-to-reason/ |
| Серия моделей на открытом языке Falcon | https://arxiv.org/abs/2311.16867 | Нет плана! |
| Солнечная 10,7B: масштабирование больших языковых моделей с простой, но эффективной глубиной | https://arxiv.org/abs/2312.15166 | Нет плана! |
| Название бумаги | Ссылка на бумажную или справочную площадку | Бумажный обзор |
|---|---|---|
| LAMDA: языковые модели для диалоговых приложений | Блог: https://ai.googleblog.com/2022/01/lamda-towards-safe-grounded-and-high.html, бумага: https://arxiv.org/abs/2201.08239 | https://cartinoe5930.tistory.com/entry/%EA%B5%AC%EA%B8%80%EC%9D%98-%EC%B5%9C%EA%B0%95%EC%9D%98-%EC 5% 9C%EA%B0%95-%EC%B1%97%EB%B4%87-LAMDA%EC%97% 90-%EB%8C %80%ED%95%B4-%EC%95%8C%EC%95%84%EB%B3%B4%EC%9E%90-Language-Models-For-Dialog-Applications-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| Ладонь: масштабирование языкового моделирования с помощью путей | Блог: https://ai.googleblog.com/2022/04/pathways-language-model-palm-scaling-to.html, бумага: https://arxiv.org/abs/2204.02311 | 1: https://cartinoe5930.tistory.com/entry/lamda%EC%9D%98-%EB%92%A4%EB%A5%BC-%EC%9E%87%EB%8A%94-Pathways%EB%A5%BC-%ED% 99%9C%EC%9A%A9%ED%95%9C-%EC%B4%88%EA%B1%B0%EB%8C%80-%EC%96%B8%EC%96%B4-%EB%AA%A8%EB%8D%B8-PALM-%EB%AC%EB%B7%B0, B0, B8%B8-%-%A6%AC%B7%B0, B0, B0%, EB%B8-Palm-%A6%AC%B7%B0, B0%, B8%, EB%. 2: https://cartinoe5930.tistory.com/entry/lamda%EC%9D%98-%EB%92%A4%EB%A5%BC-%EC%9E%87%EB%8A%94-Pathways%EB%A5%BC-%EC% 82%AC%EC%9A%A9%ED%95%9C-%EC%B4%88%EA%B1%B0%EB%8C%80-%EC%96%B8%EC%96%B4-%EB%AA%A8%EB%8D%B8-PALM-%EB%A6%AA%B7%B02 |
| GPT-4: технический обзор | Блог: https://openai.com/research/gpt-4, бумага: https://arxiv.org/abs/2303.08774 | https://cartinoe5930.tistory.com/entry/gpt-4-techinal-report-review |
| Близнецы: семейство высокопоставленных мультимодальных моделей | https://arxiv.org/abs/2312.11805 | Нет плана! |
| Альфакод 2 Технический отчет | https://storage.googleapis.com/deepmind-media/alphacode2/alphacode2_tech_report.pdf | Нет плана! |
| Название бумаги | Ссылка на бумажную или справочную площадку | Бумажный обзор |
|---|---|---|
| ФЛАН: Тонко настроенные языковые модели-это ученики с нулевым выстрелом | https://arxiv.org/abs/2109.01652 | https://cartinoe5930.tistory.com/entry/flan-fine-tuned-ranguage-models-are-zero-shot-learners-%EB%85%BC%EB%C8-%EB%A6%EB%B7%B0 |
| T0: многозадачная подготовка | https://arxiv.org/abs/2110.08207 | https://cartinoe5930.tistory.com/entry/t0-multitask-promted training-enables-zero-shot-task-generalization-%EB%85%BC%EB%AC%B8-%EB%A6%EB%B7%B0 |
| Супер-натуральные инструкции: обобщение с помощью декларативных инструкций по 1600+ задачам НЛП | https://arxiv.org/abs/2204.07705 | https://cartinoe5930.tistory.com/entry/super-natural-instructions-Generalization-via-declarative-instructions-on-1600-nlp-tasks-%EB%85%BC%EB%AC%B8-%EB%A6%EB%B7%B0 |
| Неестественные инструкции: настройка языковых моделей (почти) не человеческий труд | https://arxiv.org/abs/2212.09689 | Будет загружен позже! |
| Угадайте инструкцию! Перевернутое обучение делает языковые модели более сильными учениками с нулевым выстрелом | https://arxiv.org/abs/2210.02969 | https://cartinoe5930.tistory.com/entry/guess-the-instruction-flipped-learning-makes-language-models-stronger-zero-shot-tearners-%EB%85%BC%EB%AC%B8-%EB%A6%EB%B7%B0 |
| Масштабирование языковых моделей | https://arxiv.org/abs/2210.11416 | https://cartinoe5930.tistory.com/entry/scaling-instruction-fineTun-language-models-%EB%85%BC%EB%AC%B8-%EB%A6%EB%B7%B0 |
| Изучение преимуществ обучения экспертным моделям по настройке инструкций | https://arxiv.org/abs/2302.03202 | https://cartinoe5930.tistory.com/entry/exploring-the-benefits-of training-expert-kranguage-models-over-instruction-tuning-%EB%85%BC%EB%AC%B8-%EB%A 6%EB%B7%B0 |
| ICIL: Внутреннее обучение обучению | https://arxiv.org/abs/2302.14691 | https://cartinoe5930.tistory.com/entry/icil-in-context-instruction-tearning-%EB%85%BC%EB%C%B8-%EB%A6%AC%EB%B7%B0 |
| Настройка инструкции с GPT-4 | https://arxiv.org/abs/2304.03277 | https://cartinoe5930.tistory.com/entry/instruction-tuning-with-gpt-4-%EB%85%BC%EB%B8-%EB%A6%AC%EB%B7%B0 |
| FIP: фиксированная параметризация ввода для эффективного подсказования | https://aclanthology.org/2023.findings-acl.533.pdf | Будет загружен позже! |
| Flacuna: развязать силу викуны в решении проблем, используя Flan Fine-Muning | https://arxiv.org/abs/2307.02053 | Будет загружен позже! |
| Может быть, требуется только 0,5% данных: предварительное исследование настройки инструкций с низким обучением данных | https://arxiv.org/abs/2305.09246 | Будет загружен позже! |
| Становление самостоятельного ввода: введение критериев ранней остановки для минимальных инструкционных настройки | https://arxiv.org/abs/2307.03692 | Будет загружен позже! |
| Название бумаги | Ссылка на бумажную или справочную площадку | Бумажный обзор |
|---|---|---|
| Rlhf (подкрепление обучения на человеческой обратной связи) | https://huggingface.co/blog/rlhf | https://cartinoe5930.tistory.com/entry/%EC%82%AC%EB%9E%8C%EC%9D%98-%ED%94%BC%EB%93%9C%EB%B0%B1%EC%9D%84 -%ED%86%B5%ED%95%9C-%EA%B0%95%ED%99%94%ED%95%99%EC%8A%B5-RENFORMEARS-LEARNING-FROMAN-FEED-FEED-RLHF |
| Красные языковые модели с языковыми моделями | https://arxiv.org/abs/2202.03286 | https://cartinoe5930.tistory.com/entry/red-teaming-language-models-with-language- Models-%EB%85%BC%EB%AC%B8-%EB%A6%EB%B7%B0 |
| Инструктор: модели обучения языку, чтобы следовать инструкциям с отзывами человека | https://arxiv.org/abs/2203.02155 | https://cartinoe5930.tistory.com/entry/instructgpt-sraing-language-models-to-follow-instructions-with-human-feedback-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| Обучение полезного и безвредного помощника по подкреплению обучения на отзыве человека | https://arxiv.org/abs/2204.05862 | https://cartinoe5930.tistory.com/entry/training-a-helpful-and-harmless-sasistant-with-reinforment-learning-from-human-feedback-%EB%85%BC%EB%AC%B8-%EB%A6%EB%B7%B0 |
| Alpacafarm: структура моделирования для методов, которые учатся на обратной связи с человеком | https://arxiv.org/abs/2305.14387 | Будет загружен позже! |
| Почти: выравнивание больших языковых моделей с помощью синтетической обратной связи | https://arxiv.org/abs/2305.13735 | https://cartinoe5930.tistory.com/entry/aligning-large-language-models-trough-synthetic-feedback-%EB%85%BC%EB%C8-%EB%A6%AC%EB%B7%B0 |
| Открытые проблемы и фундаментальные ограничения обучения подкреплению от обратной связи с людьми | https://arxiv.org/abs/2307.15217 | Будет загружен позже! |
| RLAIF: масштабирование подкрепления, обучение от обратной связи с искусственным интеллектом | https://arxiv.org/abs/2309.00267 | Нет плана! |
| Steerlm: атрибут кондиционированный SFT в качестве (управляемой пользователем) альтернативой RLHF | https://arxiv.org/abs/2310.05344 | Нет плана! |
| HelpSteer: набор данных по обслуживанию многоатрибуты для Steerlm | https://arxiv.org/abs/2311.09528 | Нет плана! |
| Название бумаги | Ссылка на бумажную или справочную площадку | Бумажный обзор |
|---|---|---|
| Адаптер: эффективное обучение параметров для NLP | https://arxiv.org/abs/1902.00751 | https://cartinoe5930.tistory.com/entry/%EB%8B%B9%EC%8B%A0%EB%8F%84-Fine-Tuning- %ED%95%A0-%EC%88%98-%EC%9E%88%EC%8A%B5%EB%8B%88%EB%8B%A4-WITH-PEFT-%F0%9F%A4%97 |
| Настройка префикса: оптимизация непрерывных подсказок для генерации | https://arxiv.org/abs/2101.00190 | https://cartinoe5930.tistory.com/entry/%EB%8B%B9%EC%8B%A0%EB%8F%84-Fine-Tuning- %ED%95%A0-%EC%88%98-%EC%9E%88%EC%8A%B5%EB%8B%88%EB%8B%A4-WITH-PEFT-%F0%9F%A4%97 |
| Лора: адаптация с низким уровнем моделей крупных языков | https://arxiv.org/abs/2106.09685 | https://cartinoe5930.tistory.com/entry/%EB%8B%B9%EC%8B%A0%EB%8F%84-Fine-Tuning- %ED%95%A0-%EC%88%98-%EC%9E%88%EC%8A%B5%EB%8B%88%EB%8B%A4-WITH-PEFT-%F0%9F%A4%97 |
| На пути к единому представлению об обучении переноса эффективного параметра | https://arxiv.org/abs/2110.04366 | Будет загружен позже! |
| Unipelt: унифицированная структура для настройки модели языка, эффективной для параметров. | https://arxiv.org/abs/2110.07577 | Будет загружен позже! |
| (IA)^3: Несколько выстрелов, эффективная, тонкая настройка лучше и дешевле, чем в контексте обучения | https://arxiv.org/abs/2205.05638 | Будет загружен позже! |
| Qlora: эффективная тонкая настройка квантовых LLMS | https://arxiv.org/abs/2305.14314 | Будет загружен позже! |
| Сложите больше слоев по-разному: тренировки с высокой оценкой с помощью обновлений с низким уровнем ранга | https://arxiv.org/abs/2307.05695 | Будет загружен позже! |
| Lorahub: эффективное обобщение по перекрестной задаче через динамическую композицию Lora | https://arxiv.org/abs/2307.13269 | Будет загружен позже! |
| Название бумаги | Ссылка на бумажную или справочную площадку | Бумажный обзор |
|---|---|---|
| МАНПИЧЕНИЕ ИНСТРУКЦИИ: Высококачественный выбор данных инструкций для больших языковых моделей | https://arxiv.org/abs/2307.06290 | Нет плана! |
| Газировка: дистилляция диалога с помощью миллионов диалога с социальной контекстуализацией | https://arxiv.org/abs/2212.10465 | Нет плана! |
| Моды: выбор данных, ориентированный на модель для настройки инструкций | https://arxiv.org/abs/2311.15653 | Нет плана! |
| Помимо человеческих данных: масштабирование самолета по решению проблем с языковыми моделями | https://arxiv.org/abs/2312.06585 | Нет плана! |
| Magicoder: исходный код - это все, что вам нужно | https://arxiv.org/abs/2312.02120 | Нет плана! |
| WaveCoder: широко распространенная и универсальная настройка инструкции с помощью изысканной генерации данных | https://arxiv.org/abs/2312.14187 | Нет плана! |
| Что делает хорошие данные для выравнивания: всестороннее исследование автоматического выбора данных в настройке инструкций | https://arxiv.org/abs/2312.15685 | Нет плана! |
| Название бумаги | Ссылка на бумажную или справочную площадку | Бумажный обзор |
|---|---|---|
| Что такое «быстрое инженер»? | Смотрите мой блог! | https://cartinoe5930.tistory.com/entry/prompt-engineering%ec%9D%B4-%EB%C%B4%EC%97%87%EC%9D%BC%EA%B9%8C |
| КОТКА: Чепотка мыслей вызывает рассуждения в крупных языковых моделях | Блог: https://ai.googleblog.com/2022/05/language-models-perform-reasening-via.html, бумага: https://arxiv.org/abs/2201.11903 | https://cartinoe5930.tistory.com/entry/lm%EC%9D%B4-%EC%82%AC%EB%9E%8C%EA%B3%BC -%EC%9C%A0%EB%9E%8C%EA%B3%BC-%EC%9C%A0%EB%9E%8C%EA%B3%BC-%EC%9C%A0%EB%8CYек%edea%B3%BC-%EC%9C%A0%EB%82%ED%95%9C-%EC%83%9D%EA0%82%ED%95%EC-%EC%83%9D%EA%EBY%81-%95%eec-%EC%83%9D%EA%EB 0,81,0%94%EC-%EC%83%9D%EA0%81 %9C%EC%84%B8%EC%8A%A4%EB%A5%BC-%EA%B0%80%EC%A7%80%EA%B2%8C-%EB%90%9C%EB%8B%A4%EB%A9%B4-Chain-of-Thought-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| Ноль-выстрел: модели с большими языками-это разумы с нулевым выстрелом | https://arxiv.org/abs/2205.11916 | https://cartinoe5930.tistory.com/entry/large-language-models-are-role-shot-resoners-%EB%85%BC%EB%AC%B8-%EB%A6%EB%B7%B0 |
| Языковые модели-это многоязычные разумные разумы | https://arxiv.org/abs/2210.03057 | Будет загружен позже! |
| Auto-Cot: автоматическая цепочка подсказки мышления в моделях крупных языков | https://arxiv.org/abs/2210.03493 | Будет загружен позже! |
| Cot KD: Обучение моделям мелких языков рассуждению | https://arxiv.org/abs/2212.08410 | Будет загружен позже! |
| TOT: Дерево мыслей: преднамеренное решение проблем с большими языковыми моделями | https://arxiv.org/abs/2305.10601 | https://cartinoe5930.tistory.com/entry/tree-thouthts-deliberate-problem-solving-with-large-language-dels-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| Коллекция COT: улучшение нулевого выстрела и несколько выстрелов в языковых моделях с помощью тонкой настройки цепочки | https://arxiv.org/abs/2305.14045 | https://cartinoe5930.tistory.com/entry/cot-collection-improving-role-shot-and-shot-learning-oflage-models-via-chain-fate-luning-%EB%85%BC%EB%C8-%EB%A6%EB%B7%B0 |
| Давайте проверим шаг за шагом | https://arxiv.org/abs/2305.20050 | https://cartinoe5930.tistory.com/entry/lets-verify-step-by-step-%EB%85%BC%EB%C%B8-%EB%A6%AC%EB%B7%B0 |
| Измерение фондовы в цепочке мышления | https://arxiv.org/abs/2307.13702 | Будет загружен позже! |
| SOT: Skeleton-of-мысли: модели с большими языками могут делать параллельно декодирование | https://arxiv.org/abs/2307.15337 | Будет загружен позже! |
| График мыслей: решение сложных проблем с большими языковыми моделями | https://arxiv.org/abs/2308.09687 | Будет загружен позже! |
| От редкого до плотного: суммирование GPT-4 с цепочкой подсказки плотности | https://arxiv.org/abs/2309.04269 | Нет плана! |
| Цепочка проверки получает галлюцинацию в моделях крупных языков | https://arxiv.org/abs/2309.11495 | https://www.youtube.com/watch?v=l0zfjwregog&pp=ygugahr0chm6ly9hcnhpdi5vcmcvywjzlzizmdkumte0otu%3d |
| Контрастная цепочка мыслей | https://arxiv.org/abs/2311.09277 | Нет плана! |
| Нить мысли разворачивая хаотический контекст | https://arxiv.org/abs/2311.08734 | Нет плана! |
| Система 2 Внимание (это то, что вам тоже может понадобиться) | https://arxiv.org/abs/2311.11829 | Нет плана! |
| Цепочка кода: рассуждение с эмулятором кода с аспектом языка | https://arxiv.org/abs/2312.04474 | Нет плана! |
| Название бумаги | Бумага | Бумажный обзор |
|---|---|---|
| Флэндика: быстрое и эффективное внимание памяти точное внимание | https://arxiv.org/abs/2205.14135 | https://gordicaleksa.medium.com/eli5-flash-atration-5c44017022ad |
| Экспоненциально более быстрое языковое моделирование | https://arxiv.org/abs/2311.10770 | Нет плана! |
| LLM в Flash: эффективный вывод модели большой языка с ограниченной памятью | https://arxiv.org/abs/2312.11514 | Нет плана! |
| Название бумаги | Ссылка на бумажную или справочную площадку | Бумажный обзор |
|---|---|---|
| Увеличение данных в НЛП | Блоги: https://neptune.ai/blog/data-augmentation-nlp, https://amitness.com/2020/05/data-augmentation-for-nlp/?fbclid=iwar11mkcccti-2cd93ryftnphbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbB7WxDJ7Alzg7ngCccti-2Cd93ryHpbbbbB7wxdj7Alzg7ngCccti-2Cd93ryH.K.KxDj7Alzg7ngCccti-2Cd93ryh-nlp/? | https://cartinoe5930.tistory.com/entry/data-augmentation-methods-in-nlp |
| ПЭТ: Использование вопросов об утилизации для классификации текста с выстрелом и вывода естественного языка | https://arxiv.org/abs/2001.07676 | https://cartinoe5930.tistory.com/entry/pet-exploiting-loze-questions-for-few-shot-text-classiation-and-natural--innference-%EB%85%BC%EB%AC%B8-%EB%A6%EB%B7%B0 |
| Пути | https://blog.google/technology/ai/introducing-pathways-next-generation-ai-architecture/ | https://cartinoe5930.tistory.com/entry/%EB%A7%8C%EC%95%BD-%EB%AA%A8%EB%8D%B8%EC%9D%B4-еся B0%81%EC%9D%84-%EB%8A%90%EB%82%84-%EC%88%98-%EC%9E%88%EA%B2%8C-%EB%90%9C%EB%8B%A4%EB%A9%B4-пути-%EB%A6%AC%B7%B0 |
| LMSI: Модели с большими языками могут самостоятельно скрепить | https://arxiv.org/abs/2210.11610 | https://cartinoe5930.tistory.com/entry/lmsi-large-language-models-can- Совершенно |
| Самостоятельная конструкция: выравнивание языковой модели с самого сгенерированной инструкцией | https://arxiv.org/abs/2212.10560 | https://cartinoe5930.tistory.com/entry/self-instruct-aligning-language-model-with-self-генерируется-instructions-%EB%85%BC%EB%ac%B8-%EB%A6%EB%B7%B0 |
| Рефлексия: языковые агенты с устным подкреплением обучения | https://arxiv.org/abs/2303.11366 | https://cartinoe5930.tistory.com/entry/reflexion-language-agents-with-verbal-reinforment-learning-%EB%85%BC%EB%C 8B8-%EB%A6%EB%B7%B0 |
| Саморефина: итеративная уточнение с помощью самоотверженности | https://arxiv.org/abs/2303.17651 | https://cartinoe5930.tistory.com/entry/self-refine-iterative-refinement-with-self-efedback-%EB%85%BC%EB%AC%B8-%EB%A6%EB%B7%B0 |
| РЕФИНЕР: рассуждение отзывы о промежуточных представлениях | https://arxiv.org/abs/2304.01904 | Нет плана! |
| Selfee: итеративная самоотраживание LLM, проникающая в генерацию самоотдачи. | https://kaistai.github.io/selfee/ | https://cartinoe5930.tistory.com/entry/selfee-iterative-srevising-llm-expowered-by-selfeefback-generation-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| GQA: Обучение обобщенных моделей многопрофильных трансформаторов с многоуровневых контрольных точек | https://arxiv.org/abs/2305.13245 | https://aliissa99.medium.com/-a596e4d86f79 |
| Shpherd: критик генерации языковой модели | https://arxiv.org/abs/2308.04592 | Будет загружен позже! |
| Самооплата с учебным перевозом | https://arxiv.org/pdf/2308.06259 | Будет загружен позже! |
| Винты: модульная структура для рассуждения с ревизиями | https://arxiv.org/pdf/2309.13075 | Нет плана! |
| Neftune: шумные встраивания улучшают инструкции. | https://arxiv.org/abs/2310.05914 | https://cartinoe5930.tistory.com/entry/noise-makes-llm-better-neftune-%f0%9f%98%89 |
| Языковые модели супер марио; Поглощающие способности от гомологичных моделей в качестве бесплатного обеда | https://arxiv.org/abs/2311.03099 | Нет плана! |
| Лорамо: Революционизация смеси экспертов для поддержания мировых знаний в выравнивании языковых моделей | https://arxiv.org/abs/2312.09979 | Нет плана! |
| Название бумаги | Ссылка на бумажную или справочную площадку | Бумажный обзор |
|---|---|---|
| Полученное поколение для задач NLP с интенсивными знаниями | https://arxiv.org/abs/2005.11401 | Нет плана! |
| Самопроизводство: научиться извлекать, генерировать и критиковать через саморефлексию | https://arxiv.org/abs/2310.11511 | Нет плана! |
| Инструкторетро: настройка инструкции после поиска-августа предварительно | https://arxiv.org/abs/2310.07713 | Нет плана! |
| Полученное поколение для моделей крупных языков: опрос | https://arxiv.org/abs/2312.10997 | Нет плана! |
| Название бумаги | Ссылка на бумажную или справочную площадку | Бумажный обзор |
|---|---|---|
| Большой палочко: бросает вызов большим задачам и может ли цепь мыслей решить THAM | https://arxiv.org/abs/2210.09261 | Будет загружен позже! |
| Большие языковые модели не являются справедливыми оценщиками | https://arxiv.org/abs/2305.17926 | Будет загружен позже! |
| Mt-Bench: оценка LLM-As-A-a-Judge с Mt-Bench | https://arxiv.org/abs/2306.05685 | Будет загружен позже! |
| Инструктоваль: к целостной оценке моделей крупных языков, настроенных на инструкции | https://arxiv.org/abs/2306.04757 | Будет загружен позже! |
| FLASK: Fine-grained Language Model Evaluation based on Alignment Skill Sets | https://arxiv.org/abs/2307.10928 | Will be uploaded later! |
| GAIA: A Benchmark for General AI Assistants | https://arxiv.org/abs/2311.12983 | No plan! |
| Название бумаги | Paper or reference site Link | Paper Review |
|---|---|---|
| A Length-Extrapolatable Transformer | https://arxiv.org/abs/2212.10554 | No plan! |
| Extending Context Window of Large Language Models via Positional Interpolation | https://arxiv.org/abs/2306.15595 | https://cartinoe5930.tistory.com/entry/LM%EC%9D%98-context-window-%EA%B8%B8%EC%96%B4%EC%95%BC-%ED%95%A0%EA%B9%8C-%EC%A7%A7%EC%95%84%EC%95%BC-%ED%95%A0%EA%B9%8C-%F0%9F%93%8F%F0%9F%A4%A8 |
| LongNet: Scaling Transformers to 1,000,000,000 Tokens | https://arxiv.org/abs/2307.02486 | https://cartinoe5930.tistory.com/entry/LM%EC%9D%98-context-window-%EA%B8%B8%EC%96%B4%EC%95%BC-%ED%95%A0%EA%B9%8C-%EC%A7%A7%EC%95%84%EC%95%BC-%ED%95%A0%EA%B9%8C-%F0%9F%93%8F%F0%9F%A4%A8 |
| Lost in the Middle: How Language Models Use Long Contexts | https://arxiv.org/abs/2307.03172 | https://cartinoe5930.tistory.com/entry/LM%EC%9D%98-context-window-%EA%B8%B8%EC%96%B4%EC%95%BC-%ED%95%A0%EA%B9%8C-%EC%A7%A7%EC%95%84%EC%95%BC-%ED%95%A0%EA%B9%8C-%F0%9F%93%8F%F0%9F%A4%A8 |
| YaRN: Efficient Context Window Extension of Large Language Models | https://arxiv.org/abs/2309.00071 | No plan! |
| Название бумаги | Paper or reference site Link | Paper Review |
|---|---|---|
| Why can GPT learn in-context? | https://arxiv.org/abs/2212.10559 | https://cartinoe5930.tistory.com/entry/Why-can-GPT-learn-in-context-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| Sparks of Artificial General Intelligence: Early experiments with GPT-4 | paper: https://arxiv.org/abs/2303.12712, youtube: https://www.youtube.com/watch?v=Mqg3aTGNxZ0 | https://cartinoe5930.tistory.com/entry/Sparks-of-Artificial-General-Intelligence-Early-experiments-with-GPT-4-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| The False Promise of Imitating Proprietary LLMs | https://arxiv.org/abs/2305.15717 | https://cartinoe5930.tistory.com/entry/%EA%B8%B0%EC%A1%B4-imitation-model%EC%9D%80-%EC%9E%98%EB%AA%BB-%ED%95%99%EC%8A%B5%EB%90%98%EA%B3%A0-%EC%9E%88%EB%8B%A4-%F0%9F%AB%A2-The-False-Promise-of-Imitating-Proprietary-L |
| TULU: How Far Can Camels Go? Exploring the State of Instructiopn Tuning on Open Resources | https://arxiv.org/abs/2306.04751 | Will be uploaded later! |
| How Is ChatGPT's Behavior Changing over Time? | https://arxiv.org/abs/2307.09009 | https://cartinoe5930.tistory.com/entry/ChatGPT%EC%9D%98-%EC%84%B1%EB%8A%A5%EC%9D%B4-%EC%95%88-%EC%A2%8B%EC%95%84%EC%A7%80%EA%B3%A0-%EC%9E%88%EB%8B%A4%EA%B5%AC-%F0%9F%98%B2%F0%9F%98%B2 |
| Large Language Models Cannot Self-Correct Reasoning Yet | https://arxiv.org/abs/2310.01798 | |
| How Far Are Large Language Models from Agents with Theory-of-Mind | https://arxiv.org/pdf/2310.03051 | No plan! |
| Can LLMs Follow Simple Rules | https://arxiv.org/abs/2311.04235 | https://www.youtube.com/watch?v=CY6o43037OY |
| Camels in a Changing Climate; Enhancing LM Adaptation with Tulu 2 | https://arxiv.org/abs/2311.10702 | No plan! |
| ChatGPT's One-year Anniversary; Are Open-Source Large Language Models Catching up | https://arxiv.org/abs/2311.15653 | No plan! |
| An In-depth Look at Gemini's Language Abilities | https://arxiv.org/abs/2312.11444 | No plan! |
| Название бумаги | Paper or reference site Link | Paper Review |
|---|---|---|
| DetectGPT: Zero-Shot Machine-Generated Text Detection using Probability Curvature | https://arxiv.org/abs/2301.11305 | https://cartinoe5930.tistory.com/entry/%EC%9D%B4-%EA%B8%80%EC%9D%B4-LM%EC%9D%B4-%EB%A7%8C%EB%93%A4%EC%96%B4%EB%82%B8-%EA%B8%80%EC%9D%BC%EA%B9%8C-%EB%8F%84%EC%99%80%EC%A4%98-DetectGPT-DetectGPT-Zero-Shot-Machine-Generated-Text-Detection-using-Probability-Curvature-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| Check Your Facts and Try Again: Improving Large Language Models with External Knowledge and Automated Feedback | https://arxiv.org/abs/2302.12813 | https://cartinoe5930.tistory.com/entry/ChatGPT%EC%9D%98-hallucination-%EC%96%B4%EB%96%BB%EA%B2%8C-%ED%95%B4%EA%B2%B0%ED%95%B4%EC%95%BC-%ED%95%A0%EA%B9%8C-Check-Your-Facts-and-Try-Again-Improving-Large-Language-Models-with-External-Knowledge-and-Automated-Feedback |
| RecurrentGPT: Interactive Generation of (Arbitrarily) Long Text | https://arxiv.org/abs/2305.13304 | https://cartinoe5930.tistory.com/entry/ChatGPT%EC%97%90-%EB%B0%98%EB%B3%B5-%EB%A9%94%EC%BB%A4%EB%8B%88%EC%A6%98LSTM%EC%9D%84-%EC%82%AC%EC%9A%A9%ED%95%9C%EB%8B%A4%EB%A9%B4-RecurrentGPT-Interactive-Generation-of-Arbitrarily-Long-Text-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| Large Language Models as Tool Makers | https://arxiv.org/abs/2305.17126 | https://cartinoe5930.tistory.com/entry/LM%EC%9D%B4-%EB%8F%84%EA%B5%AC%EB%A5%BC-%EC%82%AC%EC%9A%A9%ED%95%98%EA%B2%8C-%EB%90%9C%EB%8B%A4%EB%A9%B4-%F0%9F%94%AC-Large-Language-Models-as-Tool-Makers-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| LLM-Blender: Ensembling Large Language Models with Pairwise Ranking and Generative Fusion | https://arxiv.org/abs/2306.02561 | No plan! |
| Растилляция знаний крупных языковых моделей | https://arxiv.org/abs/2306.08543 | https://cartinoe5930.tistory.com/entry/KD%EC%97%90-%EC%82%B4%EC%A7%9D%EC%9D%98-%EB%B3%80%ED%99%94%EB%A5%BC-%EC%A4%98%EB%B3%B4%EC%9E%90-%F0%9F%98%9C-Knowledge-Distillation-of-Large-Language-Models-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| Scaling Relationship on Learning Mathematical Reasoning with Large Language Models | https://arxiv.org/abs/2308.01825 | Will be uploaded later! |
| ToolLLM: Facilitating Lare Language Models to Master 16000+ Real-World APIs | https://arxiv.org/abs/2307.16789 | Will be uploaded later! |
| SelfCheck: Using LLMs to Zero-shot Check Their Own Step-by-Step Reasoning | https://arxiv.org/abs/2308.00436 | Will be uploaded later! |
| Solving Challenging Math Word Problems Using GPT-4 Code Interpreter with Code-based Self-Verification | https://arxiv.org/abs/2308.07921 | Will be uploaded later! |
| Large Language Models as Optimizers | https://arxiv.org/abs/2309.03409 | No plan! |
| FIAT: Fusing Learning Paradigms with Instruction-Accelerated Tuning | https://arxiv.org/abs/2309.04663 | https://www.youtube.com/watch?v=EZsZEcRDte0&pp=ygUgaHR0cHM6Ly9hcnhpdi5vcmcvYWJzLzIzMDkuMDQ2NjM%3D |
| Contrastive Decoding Improves Reasoning in Large Language Models | https://arxiv.org/abs/2309.09117 | https://www.youtube.com/watch?v=nMR56TkwC1Q&pp=ygUgaHR0cHM6Ly9hcnhpdi5vcmcvYWJzLzIzMDkuMDkxMTc%3D |
| Think before you speak: Training Language Models with Pause Tokens | https://arxiv.org/abs/2310.02226 | https://www.youtube.com/watch?v=MtJ1jacr_yI |
| Large Language Models Can Learn Rules | https://arxiv.org/abs/2310.07064 | No plan! |
| In-context Pretraining: Language Modeling Beyond Document Boundaries | https://arxiv.org/abs/2310.10638 | https://www.youtube.com/watch?v=GI-0lAaILrU |
| Learning From Mistakes Makes LLM Better Reasoner | https://arxiv.org/abs/2310.20689 | No plan! |
| Language Models can be Logical Solvers | https://arxiv.org/abs/2311.06158 | No plan! |
| MART: Improving LLM Safety with Multi-round Automatic Red-Teaming | https://arxiv.org/abs/2311.07689 | No plan! |
| Fine-tuning Language Models for Factuality | https://arxiv.org/abs/2311.08401 | No plan! |
| Positional Description Matters for Transformers Arithmetic | https://arxiv.org/abs/2311.14737 | No plan! |
| Weak-to-Strong Generalization: Eliciting Strong Capabilities with Weak Supervision | https://arxiv.org/abs/2312.09390 | https://openai.com/research/weak-to-strong-generalization |
| TinyGSM: achieving higher than 80 percentage on GSM8k with small language models | https://arxiv.org/abs/2312.09241 | No plan! |
| Название бумаги | Paper or reference site Link | Paper Review |
|---|---|---|
| Morpheme-aware Subword Tokenizer: An Empirical Study of Tokenization Strategies for Various Korean NLP Tasks | https://arxiv.org/abs/2010.02534 | Will be uploaded later! |
| What Changes Can Large-scale Language Models Bring? Intensive Study on HyperCLOVA: Billions-scale Korean Generative Pretrained Transformers | https://arxiv.org/abs/2109.04650 | Will be uploaded later! |
| Название бумаги | Paper or reference site Link | Paper Review |
|---|---|---|
| history of CNN | LeNet, AlexNet, VGGNet, GoogLeNet, ResNet, ResNeXt, Sception, Mobilenet, DenseNet, EfficientNet, ConvNext | https://cartinoe5930.tistory.com/entry/CNN-network%EC%9D%98-%EC%97%AD%EC%82%AC |
| ViT: An Image Worth 16 x 16 Words: Transformers for Image Recognition at Scale | https://arxiv.org/abs/2010.11929 | https://cartinoe5930.tistory.com/entry/ViT-An-Image-Worth-16-x-16-Words-Transformers-for-Image-Recognition-at-Scale |
| Swin Transformer: Hierarchical Vision Transformer using Shifted Winodws | https://arxiv.org/abs/2103.14030 | https://cartinoe5930.tistory.com/entry/Swin-Transformer-Hierarchical-Vision-Transformer-using-Shifted-Windows-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| CLIP: Learning Transferable Visual Models From Natural Language Supervision | https://arxiv.org/abs/2103.00020 | https://cartinoe5930.tistory.com/entry/CLIP-Learning-Transferable-Visual-Models-From-Natural-Language-Supervision-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| Название бумаги | Paper or reference site Link | Paper Review |
|---|---|---|
| Let's learn about VLM(Visual-Language Model) | https://huggingface.co/blog/vision_language_pretraining#supporting-vision-language-models-in-%F0%9F%A4%97-transformers | https://cartinoe5930.tistory.com/entry/VLMVision-Language-Model%EC%97%90-%EB%8C%80%ED%95%B4-%EC%95%8C%EC%95%84%EB%B3%B4%EC%9E%90 |
| VisualBERT: A simple and Performant Baseline for Vision and Language | https://arxiv.org/abs/1908.03557 | https://cartinoe5930.tistory.com/entry/VisualBERT-A-Simple-and-Performant-Baseline-for-Vision-and-Language-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| ViLBERT: Pre-training Task-Agnostic Visiolinguistic Representations for Visual-and-Language Tasks | https://arxiv.org/abs/1908.02265 | https://cartinoe5930.tistory.com/entry/ViLBERT-Pretraining-Task-Agnostic-Visiolinguistic-Representations-for-Visual-and-Language-Tasks |
| LXMERT: Learning Cross-Modality Encoder Representations from Transformers | https://arxiv.org/abs/1908.07490 | https://cartinoe5930.tistory.com/entry/LXMERT-Learning-Cross-Modality-Encoder-Representations-from-Transformers-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| VL-BERT: Pre-training of Generic Visual-Linguistic Representations | https://arxiv.org/abs/1908.08530 | https://cartinoe5930.tistory.com/entry/VL-BERT-Pre-training-of-Generic-Visual-Linguistic-Representations-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| VLP: Unified Vision-Language Pre-Training for Image Captioning and VQA | https://arxiv.org/abs/1909.11059 | https://cartinoe5930.tistory.com/entry/VLP-Unified-Vision-Language-Pre-Traning-for-Image-Captioning-and-VQA-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| Oscar: Object-Semantics Aligned Pre-training for Vision-Language Tasks | https://arxiv.org/abs/2004.06165 | https://cartinoe5930.tistory.com/entry/Oscar-Object-Semantics-Aligned-Pre-training-for-Vision-Language-Tasks-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| VinVL: Revisiting Visual Representations in Vision-Language Models | https://arxiv.org/abs/2101.00529 | https://cartinoe5930.tistory.com/entry/VinVL-Revisiting-Visual-Representations-in-Vision-Language-Models-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| ViLT: Vision-and-Language Transformer Without Convolution or Region Supervision | https://arxiv.org/abs/2102.03334 | https://cartinoe5930.tistory.com/entry/ViLT-Vision-and-Language-Transformer-Without-Convolution-or-Region-Supervision-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| ALIGN: Scaling Up Visual and Vision-Language Representation Learning With Noisy Text Supervision | https://arxiv.org/abs/2102.05918 | https://cartinoe5930.tistory.com/entry/ALIGN-Scaling-up-Visual-and-Vision-Language-Representation-with-Noisy-Text-Supervision-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| ALBEF: Vision and Language Representation Learning with Momentum Distillation | https://arxiv.org/abs/2107.07651 | https://cartinoe5930.tistory.com/entry/ALBEF-Vision-and-Language-Representation-Learning-with-Momentum-Distillation-%EB%85%BC%EB%AC%B8 |
| SimVLM: Simple Visual Language Model Pretraining with Weak Supervision | https://arxiv.org/abs/2108.10904 | https://cartinoe5930.tistory.com/entry/SimVLM-Simple-Visual-Language-Model-Pre-training-with-Weak-Supervision-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| VLMo: Unified Vision-Language Pre-training with Mixture-of-Modality-Experts | https://arxiv.org/abs/2111.02358 | https://cartinoe5930.tistory.com/entry/VLMo-Unified-Vision-Language-Pre-training-with-Mixture-of-Modality-Experts-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| LiT : Zero-Shot Transfer with Locked-image text Tuning | https://arxiv.org/abs/2111.07991 | https://cartinoe5930.tistory.com/entry/LiT%F0%9F%94%A5-Zero-Shot-Transfer-with-Locked-image-text-Tuning-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| FLAVA: A Foundational Language And Vision Alignment Model | https://arxiv.org/abs/2112.04482 | https://cartinoe5930.tistory.com/entry/FLAVA-A-Foundational-Language-And-Vision-Alignment-Model-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| BLIP: Bootstrapping Language-Image Pre-training for Unified Vision-Language Understanding and Generation | https://arxiv.org/abs/2201.12086 | https://cartinoe5930.tistory.com/entry/BLIP-Bootstrapping-Language-Image-Pre-training-fro-Unified-Vision-Language-Understanding-and-Generation-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| Paper or Posting Title | reference site Link | Обзор |
|---|---|---|
| Knowledge Distillation: Distilling the Knowledge in a Neural Network | https://arxiv.org/abs/1503.02531 | https://cartinoe5930.tistory.com/entry/Distilling-the-Knowledge-in-a-Neural-Network-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0 |
| What is Zero-shot, One-shot, Few-shot Learning? | see my blog! | https://cartinoe5930.tistory.com/entry/Zero-shot-One-shot-Few-shot-Learning%EC%9D%B4-%EB%AC%B4%EC%97%87%EC%9D%BC%EA%B9%8C |
