Risk-Sensitive RL for Alleviating Exploration Dilemmas in Large Language Models
机构 * Tsinghua University(清华大学) ; ETH Zurich(苏黎世联邦理工学院)
专题命中 后训练与偏好优化 :large language model(title,abstract);language model(title,abstract);分类 cs.AI、cs.LG
AI 大模型
大语言模型、预训练、指令微调、后训练和语言模型应用。
机构 * Tsinghua University(清华大学) ; ETH Zurich(苏黎世联邦理工学院)
专题命中 后训练与偏好优化 :large language model(title,abstract);language model(title,abstract);分类 cs.AI、cs.LG
机构 * Nanjing University(南京大学)
专题命中 后训练与偏好优化 :LLM(title,abstract);preference optimization(title,abstract);分类 cs.CL、cs.LG
Comments 18 pages, 4 figures,
机构 * Zhejiang University(浙江大学)
专题命中 后训练与偏好优化 :large language model(title,abstract);language model(title,abstract);分类 cs.CL、cs.AI
Comments Project Page: https://zju-real.github.io/cooper Code: https://github.com/zju-real/cooper
机构 * School of Computer and Communication Engineering, University of Science and Technology Beijing(计算机与通信工程学院,北京科技大学) ; Blekinge Institute of Technology(布莱金厄学院)
专题命中 后训练与偏好优化 :large language model(title,abstract);language model(title,abstract);分类 cs.CL、cs.AI
专题命中 后训练与偏好优化 :language model(title,abstract);RLHF(title);large language model(abstract);分类 cs.CL、cs.LG
机构 * Nanyang Technological University(南洋理工大学) ; ByteDance(字节跳动) ; Tsinghua University(清华大学) ; Beijing University of Posts and Telecommunications(北京邮电大学) ; The University of Sydney(悉尼大学)
专题命中 后训练与偏好优化 :large language model(title,abstract);language model(title,abstract);分类 cs.CL、cs.AI
Comments Technical report
专题命中 后训练与偏好优化 :large language model(title,abstract);language model(title,abstract);分类 cs.CL、cs.LG
机构 * School of Cyberspace Science and Technology, University of Science and Technology of China (USTC)(信息科学与技术学院,中国科学技术大学) ; Peng Cheng Laboratory(鹏城实验室)
专题命中 后训练与偏好优化 :large language model(title,abstract);language model(title,abstract);分类 cs.CL、cs.AI
专题命中 后训练与偏好优化 :language model(title,abstract);post-training(title,abstract);分类 cs.CL、cs.AI
专题命中 后训练与偏好优化 :language model(title,abstract);large language model(abstract,comments);instruction tuning(abstract);RLHF(abstract)
Comments To appear in the proceedings of the first Workshop on the Scaling Behavior of Large Language Models (EACL 2024)
Journal ref https://aclanthology.org/2024.scalellm-1.5/
专题命中 后训练与偏好优化 :large language model(title);language model(title);LLM(abstract);RLHF(abstract)
专题命中 后训练与偏好优化 :large language model(title,abstract);language model(title,abstract);分类 cs.AI、cs.LG
专题命中 后训练与偏好优化 :language model(title,abstract);RLHF(title,abstract);分类 cs.CL、cs.AI
专题命中 后训练与偏好优化 :language model(title,abstract);large language model(title);LLM(abstract);分类 cs.CL、cs.AI
专题命中 后训练与偏好优化 :foundation model(title,abstract);post-training(title,abstract);分类 cs.CL、cs.AI
专题命中 后训练与偏好优化 :large language model(title,abstract);language model(title,abstract);分类 cs.CL、cs.AI
Comments 9 pages, 2 figures
专题命中 后训练与偏好优化 :language model(title,abstract);RLHF(title,abstract);分类 cs.CL、cs.AI
Comments 10 pages, 27 figures (including 18 in the appendix), submitted to EMNLP 2024
专题命中 后训练与偏好优化 :large language model(title);language model(title);RLHF(abstract);preference optimization(abstract)
专题命中 后训练与偏好优化 :language model(title,abstract);post-training(title,abstract);分类 cs.CL、cs.AI
专题命中 后训练与偏好优化 :large language model(title,abstract);language model(title,abstract);分类 cs.CL、cs.AI
Comments Accepted for publication in Scientific Reports, special issue on AI aligment
专题命中 后训练与偏好优化 :language model(title,abstract);large language model(title);RLHF(abstract);分类 cs.CL、cs.AI
专题命中 后训练与偏好优化 :large language model(title,abstract);language model(title,abstract);分类 cs.CL、cs.AI
Comments 19 pages, 3 figures
专题命中 后训练与偏好优化 :language model(title,abstract);large language model(title);RLHF(abstract);分类 cs.AI、cs.LG
专题命中 后训练与偏好优化 :language model(title,abstract);RLHF(title);large language model(abstract);分类 cs.CL、cs.LG
Comments Proceedings of the First Workshop on Theory of Mind in Communicating Agents at (TOM @ ICML 2023)
专题命中 后训练与偏好优化 :language model(title,abstract);preference optimization(title,abstract);分类 cs.AI、cs.LG
专题命中 后训练与偏好优化 :language model(title,abstract);post-training(title,abstract);分类 cs.CL、cs.AI
Comments Accepted in ICEEI 2023 (International Conference on Electrical Engineering and Informatics 2023)
专题命中 后训练与偏好优化 :language model(title,abstract);pretraining(title,abstract);分类 cs.CL、cs.LG
Comments ICML 2023
专题命中 后训练与偏好优化 :large language model(title,abstract);language model(title,abstract);分类 cs.CL、cs.AI
联邦基础语言模型后训练应聚焦开源模型
机构 * University of Bayreuth(拜罗伊特大学)
专题命中 后训练与偏好优化 :language model(title,abstract);post-training(title,abstract);分类 cs.LG;foundation model(comments)
AI总结 本文批判性分析联邦后训练中使用黑盒模型的问题,主张采用开源模型以符合联邦学习的数据隐私和自治原则。
Comments Accepted at International Workshop on Federated Learning in the Age of Foundation Models In Conjunction with IJCAI 2026
TextCloak:基于强化学习的不可学习文本防御未经授权的大语言模型利用
专题命中 后训练与偏好优化 :LLM(title,abstract);large language model(abstract);language model(abstract);分类 cs.CL、cs.AI、cs.LG
AI总结 本研究提出TextCloak框架,采用强化学习与GRPO-UE技术生成不可学习文本,可削弱大语言模型的未经授权微调,兼具实用性与鲁棒性。