统计学 > 机器学习
[提交于 2025年8月23日
]
标题: 微调方法在弱到强泛化中的局限性
标题: Limitations of refinement methods for weak to strong generalization
摘要: 对齐大型语言模型(LLMs)的标准技术利用人类生成的数据,这可能限制任何对齐的LLM的能力至人类水平。标签精炼和弱训练已成为解决这一超级对齐问题的有希望的策略。在本工作中,我们采用常用于研究标签精炼的概率假设,并分析精炼是否可以被其他方法超越,包括计算上不可行的oracle方法。我们表明,弱训练和标签精炼都存在不可减少的误差,导致标签精炼与oracle之间存在性能差距。这些结果促使未来的研究开发替代方法,以实现从弱到强的泛化,结合标签精炼或弱训练的实用性以及oracle过程的最优性。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.