Bilanz der Quelle: Große Sprachmodelle verlieren beim fortgesetzten Instruktionstraining zunehmend an Wissen, insbesondere in Fachbereichen, logischem Schlussfolgern und Leseverständnis. Dieses Phänomen tritt im Bereich von einer bis sieben Milliarden Parametern durchgängig auf und wird mit steigender Modellgröße schärfer. Das reine Decoder-Modell BLOOMZ vergisst dabei weniger als das Encoder-Decoder-Modell.
🔗 Im Original weiterlesen → · 🗃 Wayback Machine (Archiv)
ℹ️ KI-Hinweis
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
