发布时间:2024-07-04 05:56:53 来源:以辞害意网 作者:小程序
CSS站长资源(ChinaZ.com) 3月19日 消息:在最新的谷歌研究论文中,谷歌研究人员引入了一种名为Cappy的推出预训练评分器模型,旨在增强和超越大型多任务语言模型的新型型性性能。这项研究旨在解决大型语言模型(LLM)所面临的评分挑战,其中包括高昂的助力计算资源成本和效率低下的训练和推理过程。
目前,多任多任务法学硕士如T0、言模FLAN和OPT-IML等被广泛应用于各种自然语言处理任务,谷歌并在统一的推出指令跟踪框架下进行训练。然而,新型型性这些模型由于巨大的评分规模和硬件要求,使得它们在适应下游应用程序时面临着挑战。助力为了应对这些挑战,多任Cappy被引入作为一种轻量级的言模预训练评分器,旨在提高多任务法学硕士的谷歌性能和效率。
Cappy的架构基于RoBERTa,顶部有一个用于回归的线性层,利用多样化的数据集集合进行预训练,确保覆盖广泛的任务类型。研究人员还提出了一种数据构建方法,以满足预训练数据中标签多样性的需求,并生成一个大型有效的回归预训练数据集。Cappy的应用程序涉及一种候选者选择机制,可独立运行于分类任务,也可作为生成任务的辅助组件,增强现有多任务LLM的解码。
通过引入轻量级预训练评分器Cappy,这项研究解决了在多任务场景中有效利用大型语言模型的挑战,展示了其在各种任务上的参数效率和性能的优越性,同时强调了在实际应用中简化大型语言模型采用的潜力。
相关文章