COLING 2025归档

MLNLP学术Talk第三十期鲍光胜@西湖大学：AI和人类的差异 – 从推理的因果性和生成文本的可检测性看AI和人类的异同

MLNLP学术Talk邀请西湖大学鲍光胜博士分享AI与人类的差异，包括AI推理过程的表面模仿和生成文本的分布差异。报告聚焦大语言模型内在因果图结构、白盒方法检测LLM生成文本等方面。

下午8时 2024/12/15 作者量子位

vivo AI Lab提出数据质量提升(DQE)方法，通过更少的数据获得更高的文本分类任务准确率。实验表明，在多个数据集中DQE选择的数据比全量数据表现出显著的性能提升，并有效提升了大语言模型指令跟随能力。