约束生成策略优化（CGPO）框架解决基于人类反馈强化学习（RLHF）在多任务学习（MTL）中的局限性
论文The Perfect Blend: Redefining RLHF with Mixture of Ju […]
约束生成策略优化（CGPO）框架解决基于人类反馈强化学习（RLHF）在多任务学习（MTL）中的局限性 Read More »
CoT（Chain of Thought）在数学和符号推理任务中表现突出
论文To CoT or not to CoT? Chain-of-thought helps mainly o
CoT（Chain of Thought）在数学和符号推理任务中表现突出 Read More »
识别和评估大型语言模型（LLM）在医疗健康领域的潜在偏见和健康不公平
论文A toolbox for surfacing health equity harms and biase
识别和评估大型语言模型（LLM）在医疗健康领域的潜在偏见和健康不公平 Read More »
Flex-RV：基于非硅技术的可弯曲32位RISC-V微处理器
论文Bendable non-silicon RISC-V microprocessor详细描述了一个基于非硅
Flex-RV：基于非硅技术的可弯曲32位RISC-V微处理器 Read More »
不同场景下，RAG如何有效将外部数据与LLMs集成
论文Retrieval Augmented Generation (RAG) and Beyond: A Co
不同场景下，RAG如何有效将外部数据与LLMs集成 Read More »