标签
Bhavin Jawade 讨论了在线策略蒸馏在大语言模型训练中的几种失败模式，包括早期错误变得无法纠正、更强的教师反而更差、基于特权信息的条件化无法迁移，以及密集监督导致的思维崩溃。
一位玩家分享了像SkyrimNet这样由LLM驱动的模组如何彻底改变了他们在《上古卷轴5：天际》中的角色扮演体验，实现了深刻的涌现式叙事和独特的角色互动。
本文介绍了一个红队测试框架，用于衡量开源LLM能够表达的政治观点的“奥弗顿窗口”，并评估简单的越狱手段如何扩大该范围，发现30多个模型存在系统性的左倾偏见和漏洞。
本文证明，小型开放权重LLMs（参数小于30B）能够实现具有竞争力的可解释翻译质量评估，包括MQM错误标注和修正，与更大的专有模型相媲美，同时保护数据隐私。
Sebastian Raschka 撰写的教程，讲解如何使用开源工具和开源权重的大语言模型搭建完全本地的编码代理，涵盖动机、搭建过程以及相较于专有服务的优势。