85
Nghiên cứu
MemSFT: Giảm thiểu 'thuế căn chỉnh' trong LLM bằng bộ nhớ tham số ngoài
(giờ Việt Nam)
Tóm tắt AI
MemSFT giải quyết vấn đề quên lãng kiến thức khi tinh chỉnh LLM bằng cách tách biệt chuyên môn hóa miền vào một bộ nhớ tham số có thể cắm-rút, giúp bảo toàn khả năng tổng quát của mô hình.
Bản dịch AI
Tác giả: Jiarui Wang, Xiang Shi, Jiaqi Cao, Rubin Wei, Xiquan Wang, Hao Sun, Jingzhi Wang, Zhiqi Yang, Qipeng Guo, Bowen Zhou, Zhouhan Lin
Xem PDF HTML (thử nghiệm)
DOI do arXiv cấp thông qua DataCite (đang chờ đăng ký)
Lịch sử gửi bài
Từ: Jiarui Wang [xem email] [v1] Thứ Ba, 28 tháng 7 năm 2026 11:45:34 UTC (1.143 KB)
Bài viết được AI dịch và tổng hợp tự động từ Hugging Face Daily Papers. Liên kết bài gốc ở phía trên. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.