CoT izleme denetilebilirliği ve LLM izlenme algısı araştırması
arXiv'de yayımlanan iki yeni makale, zincir-düşünce izleme denetilebilirliğini ve büyük dil modellerinin izlenme durumunu nasıl algıladığını incelemektedir.
#büyük dil modelleri
9 yazı bu etiketle işaretlendi.
arXiv'de iki yeni LLM rubrik makalesi yayınlandı
31 Ekim 2026 tarihinde arXiv'de yayımlanan iki yapay zeka makalesi, büyük dil modellerinin değerlendirilmesi ve eğitiminde rubrik kullanımına odaklanıyor.
arXiv'de yayımlanan iki yeni makine öğrenmesi makalesi
30 Ekim 2026 tarihinde arXiv Machine Learning kategorisinde iki yeni makale yayınlandı. Bu çalışmalar, büyük dil modellerinin eğitimini daha verimli hale getirmeye odaklanıyor.
arXiv'de iki büyük dil modeli anketi paylaşıldı
27 Ekim 2026 tarihinde arXiv yapay zeka kategorisinde iki araştırma makalesi paylaşıldı. İlk makale büyük dil modellerinin veri optimizasyon tekniklerini, ikinci makale ise model eğitiminin tüm aşamalarını kapsayan bir çerçeveyi ele alıyor.
arXiv'de iki yeni büyük dil modeli kuantizasyon makalesi yayımlandı
28 Ekim 2026 tarihinde arXiv'de yayımlanan iki makine öğrenmesi makalesi, büyük dil modellerinin bellek ve hesaplama maliyetini düşürmeye yönelik kuantizasyon teknikleri sunuyor.
Büyük dil modelleri için PRISM ve LARE yöntemleri arXiv'de yayımlandı
27 Ekim 2026 tarihinde arXiv'de yayımlanan iki makale, büyük dil modellerinin eğitim ve üretim süreçlerinde farklı iyileştirmeler sunuyor.
MPQ yöntemi büyük dil modellerinde iyileştirme sağladı
Yanshuo Chen tarafından arXiv'e yüklenen MPQ yöntemi, büyük dil modellerinin ağırlıklarını yeniden eğitim gerektirmeden düşük bitli temsillere sıkıştırmayı hedefliyor. Makale NeurIPS 2026 için kabul edilmiştir.
CoT izlenebilirliği için nedenlidir-sınırlar ve eğitim yöntemleri
Qiang Fu ve arkadaşları, büyük dil modellerinin zincir-düşünce izlenebilirliğini artırmak için üç müdahale-özel eğitim yöntemi geliştirdi. Makale 26 Ekim 2026'de arXiv'de yayımlandı.
LLM'lerin gereksiz bilgi aramasını durduran DIVA prosedürü tanıtıldı
DIVA, büyük dil modellerinin karar verme sırasında maliyetli ve gereksiz bilgi aramasını durdurmayı hedefliyor. Dört alanda 20 model üzerinde yapılan deneylerde, DIVA-U varyantı en iyi LLM taban hattının pişmanlığını %75 oranında azalttı.