Компьютерные науки > Машинное обучение [представлено 16 сентября 2026 года] Название: Как направлять свой языковой взгляд на HTML (экспериментальный) резюме: Мы введем новый метод для руководства моделями сопоставления потоков. Наш подход, который мы называем " зонд-руководством > , использует замерзшие внутренние состояния существующей модели рассеивания для построения направляющего сигнала. Это работает с использованием аналогичного принципа как автоинструкции, но устраняет необходимость дополнительного пропуска вперед в момент вывода и обеспечивает надежный путь для обеспечения того, чтобы слабые и сильные модели делили аналогичную динамику. Мы применяем этот метод и используем его в качестве эталонного метода для моделей непрерывного распространения языка, где руководство по изучению проб устанавливает новые самые современные характеристики безусловного поколения. При применении к модели языка распространения 1,7B руководство по отбору последовательно улучшается в отношении вопроса о множественном выборе, соответствующего контрольным показателям. Используя наши зонды, мы изучаем традиционную систему автоуправления, где сильная модель является слабым контрольно-пропускным пунктом, и обнаруживаем, что слабая модель должна исходить из низкоинтропной области подготовки. Эти выводы являются практическим средством совершенствования моделей распространения языка и проливают свет на фактический механизм автоинструкции, который в настоящее время плохо изучен. Загрузка…
Как направлять свой языковой поток
arXiv: 2609.19356v1 Annuales Type: New Brieflow: Мы введем новый метод для руководства моделями сопоставления потоков. Наш подход, который мы называем " зонд-руководством > , использует замерзшие внутренние состояния существующей модели рассеивания для построения направляющего сигнала. Это работает с использованием аналогичного принципа как автоинструкции, но устраняет необходимость дополнительного пропуска вперед в момент вывода и обеспечивает надежный путь для обеспечения того, чтобы слабые и сильные модели делили аналогичную динамику. Мы применяем этот метод и используем его в качестве эталонного метода для моделей непрерывного распространения языка, где руководство по изучению проб устанавливает новые самые современные характеристики безусловного поколения. При применении к модели языка распространения 1,7B руководство по отбору последовательно улучшается в отношении вопроса о множественном выборе, соответствующего контрольным показателям. Используя наши зонды, мы изучаем традиционную систему автоуправления, где сильная модель является слабым контрольно-пропускным пунктом, и обнаруживаем, что слабая модель должна исходить из низкоинтропной области подготовки. Оба эти вывода обеспечивают практический способ