文本压缩与大型语言模型：长文本处理的革新

大模型(LLM)是一种人工智能模型，旨在理解和生成人类语言。它们在大量的文本数据上进行训练，可以执行广泛的任务，包括文本总结、翻译、情感分析等等。LLM的特点是规模庞大，包含数十亿的参数，帮助它们学习语言数据中的复杂模式。这些模型通常基于深度学习架构，如转化器，这有助于它们在各种NLP任务上取得令人印象深刻的表现。

2022年底，OpenAI 推出的基于 GPT-3.5 的大型语言模型 ChatGPT，由于其优秀的表现，ChatGPT 及其背后的大型语言模型迅速成为人工智能领域的热门话题，吸引了广大科研人员和开发者的关注和参与。

本周精选了5篇LLM领域的优秀论文，为了方便大家阅读，只列出了论文标题、AMiner AI综述等信息，如果感兴趣可点击查看原文，PC端数据同步（收藏即可在PC端查看），每日新论文也可登录小程序查看。

如果想要对某篇论文进行深入对话，可以直接复制论文链接到浏览器上或者直达AMiner AI页面：
https://www.aminer.cn/chat/g/explain?f=cs

1.Gecko: Versatile Text Embeddings Distilled from Large Language Models

本文介绍了Gecko，一个紧凑且多才多艺的文本嵌入模型。Gecko通过利用一个关键思想来实现强大的检索性能：将大型语言模型（LLM）的知识蒸馏到一个检索器中。他们的两步蒸馏过程首先使用LLM生成多样化的合成成对数据。接下来，我们通过为每个查询检索一组候选段落，并使用相同的LLM对正样本和困难负样本进行重新标记，进一步提高数