BriefGPT - AI 论文速递
·
CoGenesis：一个合作大型和小型语言模型的框架，用于安全的上下文感知指令跟随
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
这篇文章介绍了一种名为“社交学习”的框架，用于在大型语言模型中以隐私保护的方式共享知识。作者提出并评估了两种知识传递方法，并在多个数据集上进行了实验。结果表明，使用这些方法可以在降低隐私损失的同时保持性能。这项工作证明了社交学习在语言模型中的可行性，并强调了其在未来领域的重要性。
🎯
关键要点
-
介绍了社交学习框架，用于在大型语言模型中以隐私保护的方式共享知识。
-
提出并评估了两种知识传递方法：生成抽象提示和生成合成示例。
-
在多个数据集上进行评估，以记忆作为隐私损失的代理进行量化。
-
社交学习技术显示出有希望的结果，隐私损失较低。
-
使用这些方法的性能与使用原始标签和提示的结果相当。
-
证明了社交学习在大型语言模型中的可行性，并强调了未来领域的重要性。
➡️
