Scaling Instruction-Finetuned Language Models

• 类型：arxiv
• 标识：2210.11416
• 链接：https://arxiv.org/abs/2210.11416
• 主题：engineering
• 主分类：engineering
• 形态：method
• 被引：4382
• 被引来源：Semantic Scholar
• S2被引：4382
• OpenAlex被引：1198
• 影响力被引：452
• TLDR：It is found that instruction finetuning with the above aspects dramatically improves performance on a variety of model classes (PaLM, T5, U-PaLM), prompting setups, and evaluation benchmarks (MMLU, BBH, TyDiQA, MGSM, open-ended generation).
• OpenAlex ID：W4307079201
• OpenAlex DOI：10.48550/arxiv.2210.11416
• DOI：10.48550/arxiv.2210.11416
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2210.11416
• OpenAlex更新：2026-08-26
• 待LLM分类：否
• 标题中文：指令微调语言模型的规模化
• 副分类：evaluation
• TLDR中文：研究发现，在上述多个维度上进行的指令微调可显著提升多种模型类别（PaLM、T5、U-PaLM）、多种提示设定以及多种评测基准（MMLU、BBH、TyDiQA、MGSM、开放式生成）上的表现。
• 来源文件：
• [OpenAlex discover]
• [S2 enrich]