佐治亚理工研究：对话文本比知识文本更能提升推理能力
allen_ai · x · 2026-08-22
佐治亚理工团队利用 OLMo 3 及其公开预训练语料库 Dolma 3，通过影响函数分析了不同类型文本对模型能力的影响。研究发现，富含对话和人际互动的文本对模型推理性能的影响显著大于对事实知识问答的影响。
所属事件:佐治亚理工用 OLMo 揭示训练数据如何塑造模型能力(3 条相关)→
「研究」频道最新
- 可解释性研究者泼冷水：模拟不了神经元就不算真正解释了它 — nabla_theta · 2026-10-16
- MLP-Splatting 论文开源:用光场原语替代高斯泼溅 — AjdDavison · 2026-10-16
- 四页短文解 subcubic 全对最短路径，借力 Anthropic AI 参与的突破 — gautamcgoel · 2026-10-16
- 浙大等团队发布 ATAS 框架：用世界状态记忆实现一致性长视频生成 — CSProfKGD · 2026-10-16
- 4B 模型加 8K 上下文堆算力反而更差，Hermes 提出上下文推理新思路 — mangahomanga · 2026-10-16
- 微软研究院发布 Magnetar：最快 zkVM，比现有方案快 10-39 倍 — jedisct1 · 2026-10-16