Estimulació d'Estímuls Directius
Li et al., (2023) (opens in a new tab) proposen una nova tècnica d'estimulació per guiar millor el LLM en la generació del resum desitjat.
Es forma un LM de política ajustable per generar l'estímul/suggeriment. S'observa un ús més ampli de RL per optimitzar els LLM.
La figura de sota mostra com l'Estimulació d'Estímuls Directius es compara amb l'estimulació estàndard. El LM de política pot ser petit i optimitzat per generar les pistes que guien un LLM congelat de caixa negra.
Font de la imatge: Li et al., (2023) (opens in a new tab)
Exemple complet properament!