Key points are not available for this paper at this time.
أظهرت نماذج اللغة الكبيرة (LLMs) قدرات استثنائية في مهام معالجة اللغة الطبيعية المختلفة. في حين أن المطالبة هي أداة حاسمة لاستدلال LLM، لاحظنا أن هناك تكلفة كبيرة مرتبطة بالمطالب الطويلة جداً. تؤدي المحاولات الحالية لضغط المطالب الطويلة إلى نتائج دون المستوى من حيث قابلية القراءة وقابلية تفسير المطالبة المضغوطة، مع تأثير ضار على فائدة المطالبة. لمعالجة ذلك، نقترح PROMPT-SAW: ضغط المطالب عبر الرسوم البيانية الواعية بالعلاقات، وهي استراتيجية فعالة لضغط المطالب على المطالب غير المعتمدة على المهمة والمطالب المعتمدة على المهمة. يستخدم PROMPT-SAW المعلومات النصية للمطالبة لبناء رسم بياني، ثم يستخلص العناصر المعلوماتية الرئيسية في الرسم البياني لتكوين المطالبة المضغوطة. نقترح أيضاً GSM8K-AUG، أي نسخة موسعة من معيار GSM8k الحالي للمطالب غير المعتمدة على المهمة من أجل توفير منصة تقييم شاملة. يظهر التقييم التجريبي باستخدام مجموعات بيانات المعيار أن المطالب المضغوطة بواسطة PROMPT-SAW ليست أفضل فقط من حيث قابلية القراءة، بل تتفوق أيضاً على أفضل النماذج الأساسية أداءً بنسبة تصل إلى 14.3 و 13.7 على التوالي لإعدادات المطالب المعتمدة وغير المعتمدة على المهمة مع ضغط نص المطالبة الأصلي بنسبة 33.0 و 56.7.
Building similarity graph...
Analyzing shared references across papers
Loading...
Muhammad Asif Ali
Zhengping Li
Shu Yang
Building similarity graph...
Analyzing shared references across papers
Loading...
درس علي وآخرون (Sat,) هذا السؤال.
www.synapsesocial.com/papers/68e71abfb6db64358769490d — DOI: https://doi.org/10.48550/arxiv.2404.00489