वापस
माप · GitHub
कोड भंडार
भाषा मॉडलों से न्यूरल नेटवर्क में बदलाव
क्या एक मॉडल दूसरे मॉडल के वज़न बदल सकता है?
क्या कोई भाषा मॉडल वज़न बदलकर क्षतिग्रस्त क्लासिफ़ायर की मरम्मत कर सकता है? UCI Adult आय-वर्गीकरण कार्य में शुरुआत से ही क्लासिफ़ायर के वज़न जानबूझकर बिगाड़े गए थे। एक प्रस्तावित बदलाव से संतुलित सटीकता 0.43 प्रतिशत अंक बढ़ी। यह माप दोनों आय वर्गों को समान भार देता है। कुल सटीकता और अनुमानित संभावनाओं की गुणवत्ता घटी।
एक अलग प्रयोग की शुरुआत अक्षत SmolLM2-1.7B से हुई। विज्ञान और रोज़मर्रा की भौतिक समझ के प्रश्नों पर विकल्पों को परखने के बाद मूल मॉडल ही चुना गया।
क्षतिग्रस्त वर्गीकारक
UCI Adult · Sol
| आधार मान | चयनित | |
|---|---|---|
| संतुलित सटीकता | 78.59% | 79.02% |
| समग्र सटीकता | 82.86% | 82.63% |
बिना क्षति वाला भाषा मॉडल
SmolLM2-1.7B · ARC-Easy / PIQA
मूल वज़न चुने गए
मूल शीर्षक
Editing Neural Networks with Language Models
स्रोत दस्तावेज़
मूल स्रोत · github.com शोध रिपोर्ट इंटरैक्टिव प्रस्तुति माप Editing Neural Networks with Language Models Study scope and methodsउद्धरण
Davut Emre Taşar · Editing Neural Networks with Language Models · 2026 · detasar/llm-weight-editing-study · https://github.com/detasar/llm-weight-editing-study