WildIFEval: Instrucciones complejas para LLMs en escenarios reales
Descubre WildIFEval: 7,000 instrucciones reales con múltiples restricciones. ¿Cómo siguen las instrucciones los LLMs? Benchmark y análisis detallado.
#seguimiento de instrucciones
Iteración basada en evaluación para aplicaciones LLM
Las mejoras genéricas de prompts pueden empeorar tus aplicaciones LLM. La evaluación iterativa evita regresiones. Resultados con Llama 3 y Qwen 2.5.
Operacionalizando la Alineación Superficial vía Complejidad de Tareas
La Hipótesis de Alineación Superficial cuantificada: el post-entrenamiento colapsa la complejidad de tareas en LLMs. Resultados sorprendentes en razonamiento y traducción.
Agentes de modelos de lenguaje pequeños para minería de conocimiento eficiente
Falconer: LLMs planificadores + modelos proxy ligeros para extraer conocimiento, reduciendo costos un 90% y acelerando 20x la minería de conocimiento.
Restricciones auxiliares para el seguimiento de instrucciones en LRMs
Reduce violaciones de restricciones en un 39% con CRGC. Mejora el seguimiento de instrucciones en modelos de razonamiento.