LECAT 框架从预训练数据分析 LLM 类别知识学习
热点事件持续更新
LECAT 框架从预训练数据分析 LLM 类别知识学习
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Jimin Mun 等研究者提出 LeCat 两部分框架,用于评估并追溯 LLM 从预训练数据中学习类别知识的过程。研究者称,该框架从记忆域内类别知识、泛化到未见实例、灵活运用知识三个维度衡量模型的类别学习能力,并追踪其如何从预训练文本的不同知识表达形式中习得。 具体做法分两步:先用 199 组精选的类别—特征配对评估开源预训练模型并分析其训练数据;再从零训练一个 68M 参数模型,精确控制其在训练数据中接触到的类别信息,以此观察类别知识习得的来源。
AI 根据报道生成 · 3 小时前更新
最新进展11月16日 13:00
LECAT:从预训练数据衡量 LLM 的类别知识学习报道时间线
沿着报道,了解事件的不同侧面。
11月16日
- arXiv cs.AILECAT:从预训练数据衡量 LLM 的类别知识学习
研究者提出 LeCat 框架,从记忆域内类别知识、泛化到未见实例、灵活运用知识三个维度评估 LLM 的类别学习能力,并追踪其如何从预训练文本的各类“知识表达”形式中习得。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月16日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。