A Multi-Perspective Analysis of Memorization in Large Language Models

在这里插入图片描述

本文是LLM系列文章,针对《A Multi-Perspective Analysis of Memorization in Large Language Models》的翻译。

大型语言模型中记忆的多视角分析

摘要

记忆,这意味着大型语言模型 (LLM) 可以生成用于训练它们的内容,是 LLM 的特殊行为之一。通过先前研究的研究,很少关注是什么使句子被记住,模型大小如何影响它,以及生成它的动态。在这项研究中,我们从多个角度讨论了记忆,包括缩放模型大小、输入和输出动态以及较少未记忆的内容,并揭示了:(1) 已记住/未记住的句子、模型大小、延续大小和上下文大小之间的相互关联,以及不同记忆分数的句子之间的过渡动态。(2) 生成记忆/未记忆内容时的边界效应及其与模型大小的关系。(3) 通过嵌入动力学分析观察嵌入空间中聚集的不同记忆分数的句子。解码中的熵分析在生成记忆/未记忆的内容时也显示出边界效应,尽管情况相反。(4) 预测记忆的可能性及其与模型大小和延续长度的关系。进一步的分析表明,未记忆的序列比记忆的内容更容易预测,这可以用边界效应的显著性来解释。

<
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值