LuanVan.vnLuận Văn
Gửi thư

Mở rộng và cải thiện mô hình ngôn ngữ lớn bằng phương pháp sparse mixture of experts

Luận văn · Thạc sĩ · năm 2024 · đề tài tham khảo

Loại tài liệuLuận văn
Bậc họcThạc sĩ
NgànhXã hội, ngôn ngữ, y dược
Tác giảTôn Thiện Minh Anh
Người hướng dẫnPhạm Hồng Quang; Nguyễn Thanh Bình
Cơ sở đào tạoĐại học Quốc gia TP. Hồ Chí Minh
Năm2024
NguồnThư viện số Đại học Quốc gia TP. Hồ Chí Minh · trang gốc

Tóm tắt

Sự phổ biến rộng rãi của các mô hình ngôn ngữ lớn hiện nay phụ thuộc rất nhiều vào việc tinh chỉnh các mô hình này một cách hiệu quả. Mặc dù đã có rất nhiều công trình nghiên cứu liên quan nhưng hầu hết các phương pháp này vẫn tồn đọng hạn chế về hiệu suất của mô hình sau quá trình huấn luyện tin h chỉnh. Trong nghiên cứu này, tác giả đề xuất ra một phương pháp tinh chỉnh hiệu quả về mặt tham số vận dụng cơ chế sparse mixture of exp erts, với mục tiêu cải thiện hiệu suất của mô hình mà vẫn đảm bảo được những hiệu quả về thời gian cũng như tài nguyên tính toán.
Bản toàn văn lưu tại thư viện Đại học Quốc gia TP. Hồ Chí Minh

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn xã hội, ngôn ngữ, y dược · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.