long-tail-knowledge

Seed2.0 是一个新的模型系列，通过增强长尾知识、指令遵循、推理、视觉理解和搜索能力，解决复杂的现实世界任务。它提出了一个基于用户需求的强大评估框架。

哈佛大学的一篇研究论文提出了 Recoding-Decoding (RD)，这是一种新型解码方案，通过注入随机引导短语和偏转 token 来挖掘 LLM 的长尾知识，在无需微调的情况下显著提升输出多样性。该方法在保持高相关性的同时缓解了回复同质化问题，且模型能力越强，多样性提升越明显。