标签：大规模语言模型

引言 近期，Meta、纽约大学及加州大学洛杉矶分校的研究团队发布了一项新研究，揭示了一个令人震惊的现象：即使是少量的合成数据也可能导致大规模语言模型（LLM）性能急剧下降，甚至完全失效。研究指出，当合成数据占比达到1%时，模型的表现就会受到严重影响。更让人担忧的是，模型的参数越多，这种负面影响就越明显。这一发现引发了业界对合成数据在模型训练中的作用和风险的重新评估。 合成数据带来的挑战 “模型崩溃”是指在使用合成数据进行训练的过程中，模型的性能逐渐下降，直至最终失去功能。研究团队通过实验发现...

最近的研究揭示了一个令人惊讶的现象，即许多流行的大规模语言模型（LLMs）存在过拟合问题。尽管一些小型模型如微软的 Phi-3 和 Mistral 8x22B 在推理任务上表现出色，但新研究表明，当前的评估方法可能并未准确反映大模型的真实能力。问题在于，大部分研究依赖于如 GSM8k、MATH 等测试集，而这些数据集可能已被训练数据污染，导致模型在基准测试中的表现被夸大。 Scale AI 的最新论文深入探讨了包括 GPT-4、Gemini、Claude 等在内的多个大模型，发现它们受到基准数据污染的影响。为避免数据污染，Scale AI 创建了新的 GSM1...