Deletion Tuning以置零实现全量微调效果
热点事件持续更新
Deletion Tuning以置零实现全量微调效果
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
研究团队提出 Deletion Tuning，通过为预训练大模型的 gate projection 学习二值掩码，在不做其他修改的情况下将少量权重置零；报道标题称置零比例不到 0.1%，证据中的范围记为不到 0.05%–0.1%。该方法在三类后训练任务上的效果媲美全量微调，表明模型可通过删除少量权重学习新技能。
AI 根据报道生成 · 2 小时前更新
最新进展11月11日 03:44
Deletion Tuning：置零不到 0.1% 权重媲美全量微调报道时间线
沿着报道，了解事件的不同侧面。
11月11日
- AGI HuntDeletion Tuning：置零不到 0.1% 权重媲美全量微调
一项入选 NeurIPS 的研究提出 Deletion Tuning，通过为预训练大模型的 gate projection 学习二值掩码，在不做其他修改的情况下将不到 0.1% 的权重置零。该方法在三类后训练任务上取得媲美全量微调的效果，表明删除权重也能让 LLM 学到新技能。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。