Anthropic提出Best-of-N算法，文本、视觉和音频等大模型全线溃败

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。

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

RobustFT: Robust Supervised Fine-tuning for Large Language Models under Noisy Response

【要点】：本文提出了RobustFT，一种针对大型语言模型在噪声环境下进行监督微调的创新框架，通过噪声检测和重新标记提高了模型在下游任务中的性能。
【方法】：RobustFT采用多专家协同系统和推理增强模型进行噪声识别，并使用上下文增强策略和基于响应熵的数据选择机制进行去噪和微调。
【实验】：在五个