AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：LoRA微调×
6月16日
20:46
6月12日
12:57
6月11日
15:28
15:23
15:07
11:21
11:21arXiv cs.AI@Haotao Xie
针对古诗鉴赏任务中领域特定数据集稀缺、通用模型忽视诗歌特性的问题，研究团队构建了包含 49,404 条指令-响应对的 CCPoetry-49K 数据集，覆盖术语解释、语义理解和情感推理三个子任务。基于该数据集，通过 LoRA 微调 Qwen2.5-14B 得到 PoetryQwen 模型，在 CCL25-Eval Task 5 基准上达到 0.757 分，相比基线提升 9.7%。该工作为古诗精准翻译与情感理解提供了专用数据集和优化方法，展示了领域微调的有效性。
论文古诗理解LoRA微调Qwen2.5CCPoetry-49K领域数据集
推荐理由：做古典文学 NLP 或诗歌 AI 应用的团队终于有了专用数据集和微调方案，PoetryQwen 在翻译和情感理解上提升明显，值得直接参考使用。
原文
5月29日
13:04
13:04arXiv: DeepSeek@S. J. Guo, S. Y. Wang, E. H. Wang, Z. M. Niu, Y. M. Ding
研究人员提出了一种基于大语言模型的多任务学习框架，用于统一描述多个核物理可观测量。通过低秩适配（LoRA）微调预训练的 DeepSeek-R1-1.5B 模型，在保留通用参数的同时引入轻量适配器。该模型在因果语言建模范式下，对实验值与理论值的偏差进行自回归训练，在电荷半径、质量、结合能、分离能和衰变能等七个可观测量的预测上实现了显著精度提升，训练损失在所有任务中下降超过 98%。这项工作展示了基于 LLM 的框架通过结构化先验嵌入，为核物理基础属性的多任务回归提供了一种高效且共享的方法。
论文大语言模型核物理多任务学习LoRA微调DeepSeek-R1
推荐理由：核物理研究者终于有了一个统一的多任务预测工具——用 LLM 微调替代传统多模型方案，精度提升显著且效率更高，做核数据分析和理论验证的团队值得关注。
原文