← 返回卡片

原书出处

大语言模型-基础与前沿 (熊涛)

10 第10章 减少偏见和有害性

核验版本的摘录快照 · 导入于 2026-11-18T14:25:08.850Z

模型进行微调,使其适用于无害数据领域。 该研究还表明,随着语言模型参数量的增加,DAPT和SGEAT的脱毒效果都会降低。

530B SGEAT语言模型的有害性概率仅比标准530B语言模型低16%,而126M语言模型的有害性概率则下降了27%。

较大的语言模型的改进幅度较小的原因在于,它们需要更多的训练数据和微调轮次来脱毒。研究人员通过增加训练轮次或生成更多数据进

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/大语言模型-基础与前沿 (熊涛)/_epub-src/EPUB/xhtml/chapter12.xhtml

EPUB SHA-256:1bd3e387da1e881a4b6e0214f2c7df6e30d5cdbd1f602c69fc88edacffe6743d