TasaractDavut Emre Taşar
वापस
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 मानचयनित
संतुलित सटीकता78.59%79.02%
समग्र सटीकता82.86%82.63%

बिना क्षति वाला भाषा मॉडल

SmolLM2-1.7B · ARC-Easy / PIQA

मूल वज़न चुने गए

माप · GitHub

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 methods
उद्धरण

Davut Emre Taşar · Editing Neural Networks with Language Models · 2026 · detasar/llm-weight-editing-study · https://github.com/detasar/llm-weight-editing-study