研究者提出CIGA方法用于指令数据选择
热点事件持续更新
研究者提出CIGA方法用于指令数据选择
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Jia Gu、Liang Pang、Huawei Shen 提出内容不变梯度归因框架 CIGA，用于大语言模型指令微调中的数据选择，以缓解现有全局梯度归因方法对措辞、格式等表面形式扰动敏感、归因分数不一致的问题。 CIGA 先筛选对归因有影响且在语义保持扰动下稳定的层，再将归因信号与输入语义表示动态融合。多基准实验显示，CIGA 在表面形式扰动下排序更稳定，保持下游能力并提升平均性能，同时降低归因成本。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
CIGA：面向 LLM 指令数据选择的内容不变梯度归因方法报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AICIGA：面向 LLM 指令数据选择的内容不变梯度归因方法
研究者提出内容不变梯度归因框架 CIGA，用于 LLM 指令微调中的数据选择，缓解现有全局梯度归因方法对措辞、格式等表面形式扰动敏感、归因分数不一致的表面形式偏差问题。CIGA 先筛选对归因有影响且在语义保持扰动下稳定的层，再将归因信号与输入语义表示动态融合。多基准实验显示，CIGA 在表面形式扰动下排序更稳定，保持下游能力并提升平均性能，同时降低归因成本。
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。