Raise a Child in Large Language Model: К эффективной и обобщаемой тонкой настройке |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2021-09-15 10:00 Последние предварительно обученные языковые модели содержат от миллионов до миллиардов параметров. Поэтому в различных последующих задачах возникает необходимость точной настройки чрезвычайно большой предварительно обученной модели с ограниченным обучающим корпусом. Ребята из Alibaba предложили простую, но эффективную технику тонкой настройки - Child-Tuning, которая обновляет подмножество параметров (называемое дочерней сетью) больших предварительно обученных моделей путем стратегического маскирования градиентов не дочерней сети во время обратного процесса. Ссылка на статью: https://arxiv.org/pdf/2109.05687v1.pdf Ссылка на GitHub: https://github.com/alibaba/AliceMind Источник: github.com Комментарии: |
|