“梗王”大模型，靠讲笑话登上CVPR | 中山大学

文章摘要

【关 键 词】 多模态、创新能力、训练方法、性能提升、泛化能力

这篇文章介绍了中山大学HCP实验室团队与Sea AI Lab以及哈佛大学合作的研究成果，他们提出了一种新的训练方法CLoT，旨在激发多模态大模型的创造力。首先，团队选择了来自日本的“大喜利”游戏作为数据来源，这种游戏要求玩家给出创新的、有趣的回应，适合用于探索多模态大模型的创新能力。团队设计了两个阶段的训练方法，第一阶段是关联性指令微调，用于训练模型具备创新响应能力；第二阶段是探索性自我调整，通过设计远距离关联的条件词，促使模型生成多样化且创新的回答。实验结果表明，CLoT能够显著提高多模态大模型的性能，超越了包括GPT-4在内的先进模型，并在用户调查和其他任务评估中也表现出不错的泛化能力。团队介绍了中山大学HCP实验室的背景和成就，并提供了论文链接和项目代码。整体而言，他们的研究为多模态大模型的创造力提供了新的训练思路，并取得了令人瞩目的成果。

原文和模型

【原文链接】 阅读原文 [ 2129字 | 9分钟 ]
【原文作者】 量子位
【摘要模型】 gpt-3.5-turbo-0125
【摘要评分】 ★☆☆☆☆

OpenAI ChatGPT

ChatGPT是OpenAI公司开发的一种大型语言模型。它是一种基于Transformer架构的深度学习模型，可以对语言进行建模和生成。它可以处理问答、对话生成、文本生成等多种任务。