跳到正文
热点事件持续更新

研究:模型通用进步可替代被扣留训练数据

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

Mark Marosi 和 Peter Antal 发表的一项 arXiv 研究称,模型在其余训练数据上的通用进步可以替代被刻意剔除的特定训练数据。作者在国际象棋、黑白棋、分子字符串、括号语言和网页文本等任务中剔除单项技能的训练信号,发现较大模型对该技能的延迟可由较小模型预测。 研究举例称,一个从未显式训练应对将军的国际象棋模型,其合法应对排名几乎与训练过的模型相当。上述结论来自作者自述,尚未经独立验证。

AI 根据报道生成 · 56 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv cs.AI
    研究:模型的通用进步可替代特定训练数据

    arXiv 论文研究显示,模型在其余训练数据上的通用进步可以替代被刻意剔除的特定训练数据。作者在国际象棋、黑白棋、分子字符串、括号语言和网页文本等任务中剔除单项技能的训练信号,发现较大模型对该技能的延迟可由较小模型预测;一个从未显式训练应对将军的国际象棋模型,其合法应对排名几乎与训练过的模型相当。

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。