在过去3-4年中，大型语言模型(LLMs)彻底改变了自然语言处理(NLP)领域。它们构成了最先进的系统的基础，在解决广泛的自然语言理解和生成任务时无处不在。随着前所未有的潜力和能力，这些模型也带来了新的道德和可扩展性挑战。本课程旨在涵盖围绕预训练语言模型的前沿研究课题。我们将讨论它们的技术基础(BERT、GPT、T5模型、专家混合模型、基于检索的模型)、新出现的功能(知识、推理、少样本学习、上下文学习)、微调和适应、系统设计以及安全和伦理。我们将涵盖每个主题，并深入讨论重要论文。学生将被期望定期阅读和提交研究论文，并在结束时完成一个研究项目。

这是一门高级研究生课程，所有学生都应该上过机器学习和NLP课程，并熟悉诸如transformer等深度学习模型。

https://www.cs.princeton.edu/courses/archive/fall22/cos597G/

学习目标

  • 本课程旨在帮助您在自然语言处理方面进行前沿研究，特别是与预训练语言模型相关的主题。我们将讨论最先进的技术，它们的能力和局限性。
  • 练习你的研究技能，包括阅读研究论文，进行文献调查，口头报告，以及提供建设性的反馈。
  • 通过期末项目获得实践经验，从头脑风暴到实施和实证评估，再到撰写期末论文。
课程内容：
  • 引言
  • BERT
  • T5 (encoder-decoder models)
  • GPT-3 (decoder-only models)
  • Prompting for few-shot learning
  • Prompting as parameter-efficient fine-tuning
  • In-context learning
  • Calibration of prompting LLMs
  • Reasoning
  • Knowledge
  • Data

内容中包含的图片若涉及版权问题，请及时与我们联系删除