AIGC動態(tài)歡迎閱讀

原標(biāo)題：像調(diào)一樣調(diào)制多技能大模型，智源等機構(gòu)發(fā)布LM-Cocktail模型治理策略

關(guān)鍵字：模型,任務(wù),報告,目標(biāo),準(zhǔn)確度

文章來源：機器之心

內(nèi)容字數(shù)：4663字

內(nèi)容摘要：機器之心專欄機器之心編輯部隨著大模型技術(shù)的發(fā)展與落地，「模型治理」已經(jīng)成為了目前受到重點關(guān)注的命題。只不過，在實踐中，研究者往往感受到多重挑戰(zhàn)。一方面，為了高其在目標(biāo)任務(wù)的性能表現(xiàn)，研究者會收集和構(gòu)建目標(biāo)任務(wù)數(shù)據(jù)集并對大語言模型（LLM）進行微調(diào)，但這種方式通常會導(dǎo)致除目標(biāo)任務(wù)以外的一般任務(wù)的性能明顯下降，損害 LLM 原本具備的通用能力。另一方面，開源社區(qū)的模型逐漸增多，大模型開發(fā)者也可能在多次訓(xùn)練中累計了越來越多的模型，每個模型都具有各自的優(yōu)勢，如何選擇合適的模型執(zhí)行任務(wù)或進一步微調(diào)反而成為一個問題。近日，智源研究院信息檢索與知識計算組發(fā)布 LM-Cocktail 模型治理策略，旨在為大模型開發(fā)者提供一個低成本持續(xù)提升模型性能的方式：通過少量樣例計算融合權(quán)重，借助模型融合技術(shù)融合微調(diào)模型和原模型的優(yōu)勢，實現(xiàn)「模型資源」的高效利用。技術(shù)報告：https://arxiv.org/abs/2…

原文鏈接：點此閱讀原文：像調(diào)一樣調(diào)制多技能大模型，智源等機構(gòu)發(fā)布LM-Cocktail模型治理策略

聯(lián)系作者

文章來源：機器之心

作者微信：almosthuman2014

作者簡介：專業(yè)的人工智能媒體和產(chǎn)業(yè)服務(wù)平臺