两个小模型互相验证，直接比肩大模型？微软的rStar甚至没用CoT和微调
两个小模型互相验证，直接比肩大模型？微软的rStar甚至没用CoT和微调互相检查，让小模型也能解决大问题。
来自主题: AI技术研报
8799 点击 2024-08-16 21:12
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
互相检查，让小模型也能解决大问题。
发布40天后，最强开源模型Llama 3.1 405B等来了微调版本的发布。但不是来自Meta，而是一个专注于开放模型的神秘初创Nous Research。
在本篇文章中，笔者将讨论以下几个问题： • 向量模型在 RAG 系统中的作用 有哪些性能不错的向量模型（从 RAG 角度） 不同向量模型的评测基准 MTEB 业务中选择向量模型有哪些考量 如何 Finetune 向量模型
为了解决这个问题，一些研究尝试通过强大的 Teacher Model 生成训练数据，来增强 Student Model 在特定任务上的性能。然而，这种方法在成本、可扩展性和法律合规性方面仍面临诸多挑战。在无法持续获得高质量人类监督信号的情况下，如何持续迭代模型的能力，成为了亟待解决的问题。
Llama 3.1 405B巨兽开源的同时，OpenAI又抢了一波风头。从现在起，每天200万训练token免费微调模型，截止到9月23日。
刚刚，GPT-4o mini版迎来“高光时刻”——
低秩适应（Low-Rank Adaptation，LoRA）通过可插拔的低秩矩阵更新密集神经网络层，是当前参数高效微调范式中表现最佳的方法之一。此外，它在跨任务泛化和隐私保护方面具有显著优势。
Scaling Laws当道，但随着大模型应用的发展，基础模型不断扩大的参数也成了令开发者们头疼的问题。
只需激活60%的参数，就能实现与全激活稠密模型相当的性能。
自从大型 Transformer 模型逐渐成为各个领域的统一架构，微调就成为了将预训练大模型应用到下游任务的重要手段