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。
Comparing Bad Apples to Good Oranges: Aligning Large Language Models via Joint Preference Optimization
Arxiv
0+阅读 · 1月7日
SketchFill: Sketch-Guided Code Generation for Imputing Derived Missing Values
Arxiv
0+阅读 · 2024年12月26日
Reasoning-Enhanced Self-Training for Long-Form Personalized Text Generation
Arxiv
0+阅读 · 1月7日
LLM4CVE: Enabling Iterative Automated Vulnerability Repair with Large Language Models
Arxiv
0+阅读 · 1月7日
Large Language Models Are Read/Write Policy-Makers for Simultaneous Generation
Arxiv
0+阅读 · 1月1日
How Toxic Can You Get? Search-based Toxicity Testing for Large Language Models
Arxiv
0+阅读 · 1月3日
SWE-Fixer: Training Open-Source LLMs for Effective and Efficient GitHub Issue Resolution
Arxiv
0+阅读 · 1月9日
TradingAgents: Multi-Agents LLM Financial Trading Framework
Arxiv
0+阅读 · 1月10日
TradingAgents: Multi-Agents LLM Financial Trading Framework
Arxiv
0+阅读 · 2024年12月28日
TradingAgents: Multi-Agents LLM Financial Trading Framework
Arxiv
0+阅读 · 1月9日
LlaMADRS: Prompting Large Language Models for Interview-Based Depression Assessment
Arxiv
0+阅读 · 1月7日
Harnessing the Power of LLM to Support Binary Taint Analysis
Arxiv
0+阅读 · 1月9日
Personalized LLM Response Generation with Parameterized Memory Injection
Arxiv
0+阅读 · 1月14日
KG4Diagnosis: A Hierarchical Multi-Agent LLM Framework with Knowledge Graph Enhancement for Medical Diagnosis
Arxiv
0+阅读 · 1月3日
PlanLLM: Video Procedure Planning with Refinable Large Language Models
Arxiv
0+阅读 · 1月7日
参考链接
微信扫码咨询专知VIP会员
Top