ŠTEFÁNIK, Michal, Marek KADLČÍK a Petr SOJKA. Concept-aware Data Construction Improves In-context Learning of Language Models. In ICLR 2024 Workshop on Mathematical and Empirical Understanding of Foundation Models. 2024. Dostupné z: https://dx.doi.org/10.48550/arXiv.2403.09703.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název Concept-aware Data Construction Improves In-context Learning of Language Models
Autoři ŠTEFÁNIK, Michal (703 Slovensko, garant, domácí), Marek KADLČÍK (203 Česká republika, domácí) a Petr SOJKA (203 Česká republika, domácí).
Vydání ICLR 2024 Workshop on Mathematical and Empirical Understanding of Foundation Models, 2024.
Další údaje
Originální jazyk angličtina
Typ výsledku Prezentace na konferencích
Obor 10302 Condensed matter physics
Stát vydavatele Česká republika
Utajení není předmětem státního či obchodního tajemství
WWW Paper summary Openreview preprint
Organizační jednotka Fakulta informatiky
Doi http://dx.doi.org/10.48550/arXiv.2403.09703
Klíčová slova česky velké jazykové modely; LLM; učení v kontextu; učení konceptů; trénování z užitím konceptů; CoAT
Klíčová slova anglicky language models; LLM; in-context learning; Concept-aware Training; CoAT
Štítky LLM
Příznaky Mezinárodní význam, Recenzováno
Změnil Změnil: doc. RNDr. Petr Sojka, Ph.D., učo 2378. Změněno: 13. 8. 2024 17:14.
Anotace
Many recent language models (LMs) of the Transformers family are capable of in-context learning (ICL), manifested in the LMs' ability to perform a new task solely from its description in a natural language input. Previous work curating these models assumes that ICL emerges from vast over-parametrization or the scale of multi-task training, but recent theoretical work attributes ICL emergence to training data properties, creating in-context learners with small, synthetic data. Inspired by these findings, we propose Concept-aware Training (CoAT), a framework for constructing training scenarios that make it beneficial for the LM to learn to utilize the analogical reasoning concepts from demonstrations. We find that by using CoAT, pre-trained transformers can learn to better utilise new latent concepts from demonstrations and that such ability makes ICL more robust to functional deficiencies of the previous models. Finally, we show that concept-aware in-context learning improves ICL performance on a majority of new tasks compared to traditional instruction tuning, reaching performance comparable to the multitask learners using magnitudes of more training data.
Návaznosti
MUNI/A/1590/2023, interní kód MUNázev: Využití technik umělé inteligence pro zpracování dat, komplexní analýzy a vizualizaci rozsáhlých dat
Investor: Masarykova univerzita, Využití technik umělé inteligence pro zpracování dat, komplexní analýzy a vizualizaci rozsáhlých dat
VytisknoutZobrazeno: 5. 10. 2024 16:01