会员服务
大语言模型是基于海量文本数据训练的深度学习模型。它不仅能够生成自然语言文本，还能够深入理解文本含义，处理各种自然语言任务，如文本摘要、问答、翻译等。2023年，大语言模型及其在人工智能领域的应用已成为全球科技研究的热点，其在规模上的增长尤为引人注目，参数量已从最初的十几亿跃升到如今的一万亿。参数量的提升使得模型能够更加精细地捕捉人类语言微妙之处，更加深入地理解人类语言的复杂性。在过去的一年里，大语言模型在吸纳新知识、分解复杂任务以及图文对齐等多方面都有显著提升。随着技术的不断成熟，它将不断拓展其应用范围，为人类提供更加智能化和个性化的服务，进一步改善人们的生活和生产方式。
ORACLE: Time-Dependent Recursive Summary Graphs for Foresight on News Data Using LLMs
Arxiv
0+阅读 · 12月17日
Hogwild! Inference: Parallel LLM Generation via Concurrent Attention
Arxiv
0+阅读 · 11月17日
SuRe: Surprise-Driven Prioritised Replay for Continual LLM Learning
Arxiv
0+阅读 · 11月27日
Surfacing Subtle Stereotypes: A Multilingual, Debate-Oriented Evaluation of Modern LLMs
Arxiv
0+阅读 · 11月3日
Engagement in Code Review: Emotional, Behavioral, and Cognitive Dimensions in Peer vs. LLM Interactions
Arxiv
0+阅读 · 12月4日
DartQuant: Efficient Rotational Distribution Calibration for LLM Quantization
Arxiv
0+阅读 · 11月6日
Hallucinate Less by Thinking More: Aspect-Based Causal Abstention for Large Language Models
Arxiv
0+阅读 · 11月21日
Computational Basis of LLM's Decision Making in Social Simulation
Arxiv
0+阅读 · 11月3日
A Concise Review of Hallucinations in LLMs and their Mitigation
Arxiv
0+阅读 · 12月2日
Less Is More, but Where? Dynamic Token Compression via LLM-Guided Keyframe Prior
Arxiv
0+阅读 · 12月7日
Strada-LLM: Graph LLM for traffic prediction
Arxiv
0+阅读 · 11月14日
Beyond Formal Semantics for Capabilities and Skills: Model Context Protocol in Manufacturing
Arxiv
0+阅读 · 12月9日
LexGenius: An Expert-Level Benchmark for Large Language Models in Legal General Intelligence
Arxiv
0+阅读 · 12月4日
Classifying German Language Proficiency Levels Using Large Language Models
Arxiv
0+阅读 · 12月6日
Exploring State Tracking Capabilities of Large Language Models
Arxiv
0+阅读 · 11月13日
参考链接
微信扫码咨询专知VIP会员
Top