Minimización de arrepentimiento para aprendizaje de preferencias en LLMs
RePO minimiza el arrepentimiento para mejorar el aprendizaje de preferencias en LLMs. Resultados superiores en razonamiento y preferencias humanas. ¡Descúbrelo!
#optimización de preferencias
PVminerLLM2: Mejora de la Extracción Estructurada de la Voz del Paciente
PVminerLLM2: nueva técnica de optimización de preferencias para extraer la voz del paciente con mayor precisión.
SpeechLLM afinado para evaluación L2 multigranular y explicaciones
Aprende sobre el SpeechLLM que evalúa el nivel de L2 con precisión multigranular y genera razonamientos en lenguaje natural para mayor transparencia.
Optimización Directa de Preferencias Autorregresiva
Descubre cómo ADPO integra el modelado autorregresivo para alinear LLMs con preferencias humanas de forma más eficiente.
ADPO: Optimización Autoregresiva de Preferencias
Descubre cómo ADPO optimiza el alineamiento de modelos de lenguaje al integrar el modelado autoregresivo antes del modelo Bradley-Terry, mejorando la eficiencia.
Alineación de LLMs con Preferencias mediante Dirección Residual
Descubre PaLRS, un método sin entrenamiento que alinea LLMs con preferencias humanas usando vectores de dirección residual. Mejora razonamiento y código sin costosos ajustes.
Más allá del Golden Teacher: co-enseñanza LLM-GNN
Descubre cómo la co-enseñanza bidireccional entre LLM y GNN supera las limitaciones del aprendizaje con pocos ejemplos en grafos, mejorando la precisión un 7.86%.
Análisis mecanicista de algoritmos de alineación en modelos de lenguaje
Descubrimos cómo seis algoritmos de alineación (PPO, DPO, SimPO, ORPO, GRPO, KTO) transforman internamente los modelos. Implicaciones para seguridad.
Optimización de Preferencias Multiobjetivo para Modelos Generativos
MOPO optimiza preferencias multiobjetivo en modelos generativos, mejorando la alineación humana al equilibrar utilidad e inofensividad. ¡Conócelo!
Prioridades estadísticas para preferencias implícitas en agentes personales
Un arnés local de prioridades estadísticas permite a agentes personales aprender preferencias implícitas, superando a la memoria tradicional.
Macro: Explicaciones contrafácticas multilingües mejoradas con DPO
Descubre Macro: optimización de preferencias para explicaciones contrafácticas multilingües más válidas y mínimas. Mejora la transparencia de los LLMs.
SoLoPO: Optimización de Preferencias de Corto a Largo en LLMs
Descubre cómo SoLoPO mejora la capacidad de los LLMs para manejar contextos largos mediante optimización de preferencias de corto a largo, logrando mayor eficiencia y precisión.
SoLoPO: mejora el contexto largo en LLMs con optimización corto-largo
Descubre SoLoPO, un framework que mejora la capacidad de los LLMs para manejar contextos largos mediante optimización de preferencias corto-largo. Mayor eficiencia y precisión.
ThoughtFold: Plegado de Cadenas de Razonamiento con Aprendizaje Introspectivo
Descubre ThoughtFold, un framework que elimina exploraciones redundantes en modelos de razonamiento, reduciendo tokens hasta un 56% sin perder precisión.
MADPO: Optimización Adaptativa de Preferencias por Márgenes
Descubre MADPO, un método que utiliza un modelo de recompensa para ajustar dinámicamente el aprendizaje en la optimización de preferencias, superando las limitaciones de DPO.