LogicAsker是一种用于评估和改进大型语言模型逻辑推理能力的自动方法。它测试了多个语言模型并发现了逻辑推理错误。LogicAsker的测试用例可用于提高语言模型的逻辑推理能力。研究的代码、数据和结果将公开发布。

本研究介绍了CrisisTransformers，一种用于分析危机相关社交媒体文本的预训练语言模型和句子编码器。评估结果显示，CrisisTransformers在18个危机特定的公共数据集上表现优于强基线，句子编码器提高了17.43%的技术水平。该模型已公开发布，可作为分析危机相关社交媒体文本任务的强大基准。

AstroLLaMA是一个70亿参数的稳健领域专用模型，通过30万篇天文学摘要微调，困惑度比LLaMA-2低30%。其公开发布旨在推动天文学研究，包括自动论文摘要和对话系统开发。

介绍了一个新的多说话人英语数据集，用于训练文本转语音模型。该数据集基于公共领域的LibriVox有声读物和Project Gutenberg文本书籍，包含10个说话者的约292小时的语音样本。数据集已公开发布。