法学硕士关键词检索结果

法学硕士改变化学合成规划

LLMs Transforming Chemical Synthesis Planning

为什么重要:法学硕士转变化学合成规划探索人工智能如何加速药物发现和逆合成。

掌握法学硕士:2024 年自学指南

Mastering LLMs: 2024 Self-Study Guide

为什么重要:掌握法学硕士:2024 年自学指南提供了从头开始学习大型语言模型的完整路线图。

使用法学硕士进行恶意软件分析:以正确的方式进行

Use of LLMs for Malware Analysis: Doing it the right way

建设性电路放大:通过有针对性的子网络更新改进法学硕士的数学推理

Constructive Circuit Amplification: Improving Math Reasoning in LLMs via Targeted Sub-Network Updates

之前对法学硕士内部运作的研究发现了稀疏子网络,通常称为电路,负责执行特定任务。此外,研究表明,通过微调来提高模型性能通常来自于模型中现有电路的强化。总而言之,这些发现表明直接干预此类电路以进行精确的、针对任务的更新的可能性。受这些发现的启发,我们提出了一种称为“结构性电路放大”的新方法,它可以识别关键令牌……

缩小法学硕士文本和语音理解之间的差距

Closing the Gap Between Text and Speech Understanding in LLMs

大型语言模型 (LLM) 可以进行调整,将其文本功能扩展到语音输入。然而,这些适应语音的法学硕士在语言理解任务上始终表现不佳,甚至低于基于文本的法学硕士,甚至级联管道。我们将这种缺陷称为文本-语音理解差距:相对于基于原始文本的 LLM 处理等效文本,当适应语音的 LLM 处理语音输入时观察到的性能下降。最近缩小这一差距的方法要么依赖文本语料库的大规模语音合成,但成本高昂且严重依赖……

相信你的法学硕士

Trusting Your LLM

本立场文件介绍了一个安全的、基于云的框架,用于测试大型语言模型如何准确、透明地对复杂的调查数据执行现实世界的统计分析。它使用经过验证的 ACS 微数据任务,比较仅推理和代码执行工作流程,突出显示值得信赖的人工智能驱动分析的优势、局限性和设计要求。

超越测验:法学硕士支持的 10 项基于实践的学习活动

Beyond Quizzes: 10 Practice-Based Learning Activities Powered By LLMs

本文探讨了十种超越测验的基于实践的学习活动,并展示了法学硕士如何通过促进、挑战和反思来支持成人学习,同时保持人类判断为中心。这篇文章首次发表在电子学习行业。

研究:对最新法学硕士进行排名的平台可能不可靠

Study: Platforms that rank the latest LLMs can be unreliable

仅删除一小部分为在线排名平台提供信息的众包数据就可以显着改变结果。

机制可解释性:法学硕士一探究竟

Mechanistic Interpretability: Peeking Inside an LLM

LLM 的类人认知能力是真是假?信息如何通过神经网络传输?法学硕士里面是否隐藏着知识?《机械可解释性:法学硕士内部窥探》一文首先出现在《走向数据科学》上。

每个 LLM 工程师都应该知道的 10 个 Python 库

10 Python Libraries Every LLM Engineer Should Know

有兴趣成为法学硕士工程师吗?以下是您的工作所必需的 Python 库的列表。

研究揭示人工智能的思维极限

AI’s Thinking Limits Exposed by Study

为什么重要:研究揭示了人工智能的思维限制,揭示了像 ChatGPT 这样的法学硕士如何在推理和抽象任务中表现不佳。

LLM 培训转变推动 AI 飞跃

LLM Training Shift Powers AI Leap

为什么重要:法学硕士培训转变为 AI Leap 探索了 RLHF 和指令调整等新培训方法如何促进人工智能。

人工智能如何掌握符号数学问题

How AI Masters Symbolic Math Problems

为什么重要:人工智能如何掌握符号数学问题探讨了法学硕士如何解决代数、微积分和推理任务。

Apple 通过人工智能为 Siri 提供强大动力

Apple Supercharges Siri with AI Power

重要性:Apple 在 iOS 18 中通过 AI 功能增强了 Siri,添加了生成式 AI 和法学硕士,以实现更智能、私密的语音控制。

可塑性思维:背景积累驱动LLM的信念漂移

The malleable mind: context accumulation drives LLM’s belief drift

在接受了包含 80,000 个保守政治哲学单词的数据集的训练后,Grok-4 在超过四分之一的时间里改变了其输出对政治问题的立场。这没有任何对抗性提示——训练数据的变化就足够了。由于记忆机制和研究代理 [1, 2] 使法学硕士能够积累 [...]

人工智能如何重塑经济学研究生教育 - 来自当前博士生的内部观点

How AI is Re-shaping Economics Postgraduate Education - An Insider View from a Current PhD Student

我们都知道,人工智能模型正变得越来越普遍,数百家软件公司现在提供人工智能驱动的工具,每年都会出现数十个 ChatGPT 和类似的法学硕士的迭代。尽管有些人对人工智能工具表示哀叹,但它们也被誉为我们应该每天使用的强大而有用的工具。无论你在人工智能使用范围上处于什么位置,有一件事是肯定的:人工智能模型正在重塑教育,即使是在最高水平上。经济学也不例外。即使对于像我这样的博士生来说,人工智能工具也正在成为学生生​​活的一个特色——如果巧妙地使用,可以成为学习的宝贵财富。

论智能与判断分离的不可能性:AI 对齐过滤的计算难题

On the Impossibility of Separating Intelligence from Judgment: The Computational Intractability of Filtering for AI Alignment

随着大型语言模型 (LLM) 部署的增加,人们担心它们可能被滥用来生成有害内容。我们的工作研究对齐挑战,重点是过滤器以防止生成不安全信息。两个自然的干预点是在输入提示到达模型之前对其进行过滤,以及在生成后对输出进行过滤。我们的主要结果证明了过滤提示和输出方面的计算挑战。首先,我们表明存在没有有效提示过滤器的法学硕士:对抗性提示......

LLM 时代的数据工程

Data Engineering for the LLM Age

优秀的法学硕士需要优秀的数据。探索塑造人工智能就绪数据工程未来的管道、工具和 RAG 架构