[EN] Cappy:小型评分器超越并提升大型多任务语言模型
谷歌研究团队提出了一种名为 Cappy 的轻量级预训练评分器,基于仅3.6亿参数的RoBERTa,通过为指令和候选响应生成0到1的正确性评分,在分类任务中可独立运行或辅助大型多任务语言模型,无需微调或访问模型参数即可高效适配下游任务,显著降低了计算和存储成本。
谷歌研究团队提出了一种名为 Cappy 的轻量级预训练评分器,基于仅3.6亿参数的RoBERTa,通过为指令和候选响应生成0到1的正确性评分,在分类任务中可独立运行或辅助大型多任务语言模型,无需微调或访问模型参数即可高效适配下游任务,显著降低了计算和存储成本。
谷歌发布基于扩散概率模型的SEEDS(可扩展集合包络扩散采样器),能以极低成本生成大规模天气预报集合,有效量化极端天气的不确定性。