Tag: LLM

All the papers with the tag "LLM".

• HSplitLoRA: A Heterogeneous Split Parameter-Efficient Fine-Tuning Framework for Large Language Models

  grok-3-latest

  Score: 0.77

  Published:2025年5月5日 at  at 17:09

  #LLM, #Parameter Efficient Tuning, #Split Learning, #Heterogeneous Computing, #Adapter Aggregation

  HSplitLoRA 提出了一种异构参数高效微调框架，通过分割学习和 LoRA 技术结合，动态调整资源配置和无噪声适配器聚合，显著提升了大型语言模型在资源受限异构环境下的微调效率和性能。

• HSplitLoRA: A Heterogeneous Split Parameter-Efficient Fine-Tuning Framework for Large Language Models

  grok-3-latest

  Score: 0.78

  Published:2025年5月5日 at  at 17:09

  #LLM, #Parameter Efficient Tuning, #Split Learning, #Heterogeneous Computing, #Low-Rank Adaptation

  HSplitLoRA提出了一种异构参数高效微调框架，通过分割学习和LoRA结合，动态调整重要权重、适配器秩和模型分割点，并在异构环境下显著提升大型语言模型的训练精度和收敛速度。

• Bye-bye, Bluebook? Automating Legal Procedure with Large Language Models

  grok-3-latest

  Score: 0.59

  Published:2025年5月5日 at  at 16:18

  #LLM, #Legal Citation, #Procedural Rules, #In-Context Learning, #Rule Following

  本文通过原创数据集和实证评估，揭示了大型语言模型在《Bluebook》法律引用格式化任务上的局限性（准确率仅 69%-74%），为 LLMs 在法律程序性任务中的应用提供了重要基准和研究方向。

• Bye-bye, Bluebook? Automating Legal Procedure with Large Language Models

  grok-3-latest

  Score: 0.59

  Published:2025年5月5日 at  at 16:18

  #LLM, #Legal Automation, #Procedural Rules, #Citation Formatting, #Context Learning

  本文通过构建 Bluebook 任务数据集并测试大型语言模型的程序遵循能力，揭示了其在法律引用格式自动化中的局限性，为法律程序AI研究提供了重要基准。

• FormalMATH: Benchmarking Formal Mathematical Reasoning of Large Language Models

  grok-3-latest

  Score: 0.55

  Published:2025年5月5日 at  at 15:37

  #LLM, #Formal Reasoning, #Benchmarking, #Autoformalization, #Test Time Scaling

  本文提出 FormalMATH，一个包含 5560 个形式化数学问题的 Lean4 基准测试，通过高效的‘人在回路中’自动化形式化流程构建，并揭示了当前大型语言模型在形式化推理中的显著局限性。

• Enhancing LLMs' Clinical Reasoning with Real-World Data from a Nationwide Sepsis Registry

  grok-3-latest

  Score: 0.50

  Published:2025年5月5日 at  at 15:23

  #LLM, #Clinical Reasoning, #Real-World Data, #Reinforcement Learning, #Generalization

  本文通过真实世界脓毒症登记数据训练大型语言模型，显著提升其临床推理能力，并展示跨任务、跨疾病的泛化性，为通用临床推理模型的发展奠定基础。