Instruction Distillation Makes Large Language Models Efficient Zero-shot Rankers
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract);分类 cs.CL
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。
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract);分类 cs.CL
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract);分类 cs.CL
Comments Accepted to the Findings of EMNLP 2023
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract);分类 cs.LG
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);post-training(abstract);分类 cs.CL
Comments Accepted to EMNLP23 (main)
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract);分类 cs.AI
Comments CoRL 2023, LangRob workshop
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract);分类 cs.LG
Comments 7 pages, 2 figures. Accepted in SIGCSE'24
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract);分类 cs.CL
Comments 21 pages, 5 figures, EMNLP 2023 main conference
专题命中 效率与部署 :LLM(title,abstract);prompting(title);large language model(abstract);language model(abstract)
Comments Long Paper at Empirical Methods in Natural Language Processing (EMNLP) 2023
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract);分类 cs.CL
Comments EMNLP 2023. arXiv admin note: substantial text overlap with arXiv:2304.12102; text overlap with arXiv:2303.11076 by other authors
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract);分类 cs.CL
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract);分类 cs.LG
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract);分类 cs.LG
Comments SOSP 2023
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);prompting(abstract);分类 cs.CL
Comments 3 pages, published in RNAAS
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);prompting(abstract);分类 cs.CL
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract);分类 cs.AI
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract);分类 cs.AI
Comments 14 pages, 8 figures. See https://star-uu-wang.github.io/WALL-E/
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract);分类 cs.AI
Comments 15 pages; 9 figures; Our code is available at https://lichang-chen.github.io/InstructZero/
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract);分类 cs.CL
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract);分类 cs.CL
Comments Accepted by ITSC 2023
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);prompting(abstract);分类 cs.LG
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract);分类 cs.AI
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract);分类 cs.CL
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);prompting(abstract);分类 cs.CL
专题命中 效率与部署 :language model(title,abstract);large language model(title);pretraining(abstract);prompting(abstract)
专题命中 效率与部署 :language model(title,abstract);large language model(title,abstract);分类 cs.CL、cs.AI、cs.LG
Comments ACL 2024 Workshop Towards Knowledgeable Language Models
专题命中 效率与部署 :language model(title,abstract);large language model(title,abstract);分类 cs.CL、cs.AI、cs.LG
Comments 34 pages, 10 figures, published as conference paper at ICLR 2024, and accepted to the Socially Responsible Language Modelling Research (SoLaR) workshop at NeurIPS 2023
相同事实,不同更新:推理设置塑造医疗分配场景下大语言模型的行为
专题命中 效率与部署 :LLM(title,summary_cn);large language model(abstract);language model(abstract);分类 cs.CL、cs.AI
AI总结 本研究发现,在医疗资源分配场景中,大语言模型的推理设置会导致其对相同患者信息产生不同的资源分配概率,凸显了谨慎将LLM系统纳入决策的重要性。
Comments Accepted to the AI4GOOD Workshop at ICML 2026, Seoul, South Korea
OBCache: 面向高效长上下文LLM推理的最优脑KV缓存剪枝
机构 * University of Science and Technology of China(中国科学技术大学)
专题命中 效率与部署 :LLM(title,title_cn);large language model(abstract);language model(abstract);分类 cs.CL、cs.AI
AI总结 提出OBCache框架,将缓存驱逐形式化为逐层结构化剪枝问题,基于最优脑损伤理论量化令牌显著性,通过输出感知分数改进现有驱逐策略,在长上下文任务中提升准确性。
Comments ICML 2026
周期性异步性:一种用于加速大语言模型强化学习的在线策略方法
机构 * Big Data & AI Lab(大数据与人工智能实验室)
专题命中 效率与部署 :LLM(title,summary_cn);post-training(abstract);分类 cs.AI、cs.LG
AI总结 本文提出一种周期性异步框架,通过分离推理与训练部署,提升LLM强化学习的训练效率,采用统一三模型架构和共享提示注意力机制,实现高效异步执行并减少冗余计算,实验显示在NPU平台实现约2倍的吞吐量提升。
超越简单提示:改进LLMs上下文辅助预测的策略
专题命中 效率与部署 :prompting(title,abstract);LLM(abstract,abstract_cn);large language model(abstract);language model(abstract)
AI总结 本文提出四种策略,从模型诊断、准确性和效率三个正交维度改进LLMs的上下文辅助预测,通过广泛实验揭示执行差距、性能提升和成本降低的解决方案。
Comments Published at TMLR - OpenReview link: https://openreview.net/forum?id=dkjHHFJkVI