论文分享

EMNLP2024论文分享 | Fewer is More：CoT示例要少而精
作者提出CoT-Influx方法，一种对CoT的示例和内容进行优化从而提高LLMs推理能力的方法，其核心思想是通过剪枝最大化有效信息的输入。
Yuyao Ge 葛钰峣
Oct 24, 2024 2 min read 论文分享
EMNLP2024论文分享 | Fewer is More：CoT示例要少而精
论文分享 | 广泛的解码策略导致大模型越狱
在本文，作者提出了一个新的数据集MaliciousInstruct，一种模型回答毒性评估方式，一种通过操纵解码超参数的攻击手段——generation exploitation，一种对齐策略——generation-aware alignment
Yuyao Ge 葛钰峣
Apr 9, 2024 1 min read 论文分享
论文分享 | 广泛的解码策略导致大模型越狱
论文解读 | TTA:大模型回答置信度评估新方法
本文提出了一种新的方法，全面评估大模型多个候选答案的可信度，以减轻大模型对于错误答案的过度自信。
Yuyao Ge 葛钰峣
Mar 25, 2024 2 min read 论文分享
论文解读 | TTA:大模型回答置信度评估新方法
论文解读 | 3月最新用于游戏的大模型Agent综述
3月最新用于游戏的大模型Agent综述
Yuyao Ge 葛钰峣
Mar 21, 2024 1 min read 论文分享
论文解读 | 3月最新用于游戏的大模型Agent综述
论文解读 | 2月最新大模型综述——来自Word2Vec作者Tomas Mikolov
Word2Vec作者Tomas Mikolov二月最新关于大模型综述
Yuyao Ge 葛钰峣
Mar 16, 2024 2 min read 论文分享
论文解读 | 2月最新大模型综述——来自Word2Vec作者Tomas Mikolov
论文解读 | Auto CoT——利用聚类自动生成CoT
在过去CoT有两种范式，一种是Zero-shot，在问题末尾添加"Let’s think step by step"。另一种Manual CoT(Few-shot CoT)，每个例子由问题和推理链组成。第二种方法表现是否好取决于CoT写的好不好，不过这需要人手工来写。本文通过提出Auto-CoT这一方法使得Few-shot CoT可以自动生成，解放双手！
Yuyao Ge 葛钰峣
Mar 2, 2024 1 min read 论文分享
论文解读 | Auto CoT——利用聚类自动生成CoT
论文解读 | 思维链越长大模型越聪明？
思维链(Chain of thought - CoT)在过去的实践中已经证明对提升大模型的推理能力有显著帮助。然而，目前还没有一项工作解释思维链长度与推理能力之间的关系。本文围绕这一核心问题，围绕CoT做了系统实验，并给出许多有意思和反直觉的结论。
Yuyao Ge 葛钰峣
Feb 26, 2024 1 min read 论文分享
论文解读 | 思维链越长大模型越聪明？
论文解读 | 大模型的涌现是幻影
本文揭示了大模型并不存在「涌现」，大模型的能力随着参数的增长是线性增长的。
Yuyao Ge 葛钰峣
Dec 16, 2023 2 min read 论文分享
论文解读 | 大模型的涌现是幻影
论文解读 | 面向LLM的图结构多模态表示
This paper explore the impact of encoding global and local graph structures using different modalities, particularly focusing on node classification tasks
Yuyao Ge 葛钰峣
Nov 21, 2023 10 min read 论文分享
论文解读 | 面向LLM的图结构多模态表示
论文解读 | Graph-Guided Reasoning for Multi-Hop Question Answering in Large Language Models
提出了一种基于大模型的图引导的面向多步推理问题的推理方式。本文的主要贡献有两点：提出上述推理方式，提出允许变量定义的用于知识三元组提取的上下文学习方法
Yuyao Ge 葛钰峣
Nov 20, 2023 2 min read 论文分享
论文解读 | Graph-Guided Reasoning for Multi-Hop Question Answering in Large Language Models