#memorie pe termen lung

Un cercetător de la Princeton propune Transformer-ul Recurent în Buclă (RLT) care transportă starea decodorului la fiecare token, fixând 96 de blocuri per token cu adâncime temporală nelimitată

Un cercetător de la Princeton propune Recurrent Looped Transformer (RLT), o arhitectură care transportă starea decodorului la fiecare token, permițând o adâncime temporală nelimitată. Cu 96 de blocuri per token și fără resetare la granițele de servire, RLT ar putea rezolva problema memoriei pe termen lung în modelele lingvistice, deși nu are încă rezultate empirice.

🕒 4 zile în urmă

Construiește un agent bazat pe învățare prin întărire care învață să recupereze amintiri relevante pe termen lung pentru răspunsuri precise la întrebări cu LLM

Descoperă cum poți construi un agent bazat pe învățare prin întărire care învață să recupereze amintiri relevante pe termen lung pentru a îmbunătăți acuratețea răspunsurilor modelelor de limbaj mari (LLM). Articolul explică arhitectura, antrenarea și aplicațiile practice ale acestei tehnologii inovatoare.

🕒 4 luni în urmă

Filtrează articolele

Subiect: #memorie pe termen lung

Un cercetător de la Princeton propune Transformer-ul Recurent în Buclă (RLT) care transportă starea decodorului la fiecare token, fixând 96 de blocuri per token cu adâncime temporală nelimitată

Construiește un agent bazat pe învățare prin întărire care învață să recupereze amintiri relevante pe termen lung pentru răspunsuri precise la întrebări cu LLM