Randomized YaRN 提升长上下文长度泛化
热点事件持续更新
Randomized YaRN 提升长上下文长度泛化
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Manas Mehta、Fangcong Yin 与 Greg Durrett 提出 Randomized YaRN 训练方法，将 YaRN 位置外推与随机位置编码、长度课程结合：在短上下文数据上训练时，为 token 分配采样自更大位置范围的 YaRN 位置编码，让模型接触分布外位置表示。 据该研究，在 BABILong、MRCR 和 LongBench v2 三个长上下文推理基准上，该方法在 16K 至 128K 上下文长度上持续优于标准微调，增益在远超训练分布的长度上最大。
AI 根据报道生成 · 59 分钟前更新
最新进展10月21日 12:00
Randomized YaRN 提升长上下文推理的长度泛化能力报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv cs.CLRandomized YaRN 提升长上下文推理的长度泛化能力
Randomized YaRN 将 YaRN 位置外推与随机位置编码、长度课程结合，在短上下文数据训练时给 token 分配采样自更大位置范围的 YaRN 位置编码，使模型接触分布外位置表示。在 BABILong、MRCR 和 LongBench v2 三个长上下文推理基准上，该方法在 16K 至 128K 上下文长度上持续优于标准微调，增益在远超分布外的长度上最大。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。