نشر فريق خوارزمية البحث Xiaohongshu بحثًا رائعًا في مؤتمر AAAI2024، بهدف حل مشكلات سمات الصندوق الأسود وكميات المعلمات الضخمة لنماذج اللغة الكبيرة في مهام التفكير. اقترح الفريق بشكل مبتكر إطارًا جديدًا يعمل بشكل فعال على تحسين القدرات المنطقية لنماذج اللغة الكبيرة من خلال الاستخدام الذكي لعينة المعرفة السلبية. يتضمن هذا الإطار خطوتين رئيسيتين: التدريب المساعد السلبي (NAT) وتعزيز المعايرة السلبية (NCE)، مما أدى إلى تحسين أداء التطبيق لنماذج اللغة الكبيرة بشكل كبير وقدم اتجاهات وأفكار بحثية جديدة للصناعة. .
تركز المقالة على:
أطلق فريق خوارزمية البحث Xiaohongshu إطارًا مبتكرًا في AAAI2024 يهدف إلى حل مشكلات سمات الصندوق الأسود وكميات المعلمات الضخمة لنماذج اللغة الكبيرة في مهام الاستدلال. يركز هذا الإطار على استخدام عينة المعرفة السلبية لتحسين قدرات الاستدلال لنماذج اللغة الكبيرة، ويقترح خطوات التسلسل مثل التدريب المساعد السلبي (NAT) وتعزيز المعايرة السلبية (NCE)، الذي يوفر أفكارًا جديدة لأداء تطبيق نماذج اللغة الكبيرة .يقدم هذا البحث الذي أجراه فريق Xiaohongshu اتجاهًا جديدًا لحل مشكلة استدلال نموذج اللغة الكبير، وتستحق استراتيجية استخدام المعرفة بالعينة السلبية وأساليب NAT وNCE التي اقترحتها مزيدًا من الدراسة والتطبيق المتعمق. يمثل هذا تقدمًا مهمًا في تحسين قدرات الاستدلال لنماذج اللغة الكبيرة، ومن المتوقع أن يعزز تطبيق نماذج اللغة الكبيرة في المهام الأكثر تعقيدًا في المستقبل.