Atlas: Few-shot Learning with Retrieval Augmented Language Models

• 类型：arxiv
• 标识：2208.03299
• 链接：https://arxiv.org/abs/2208.03299
• 主题：engineering
• 主分类：rag
• 形态：method
• 被引：1348
• 被引来源：Semantic Scholar
• S2被引：1348
• OpenAlex被引：201
• 影响力被引：89
• TLDR：This work presents Atlas, a carefully designed and pre-trained retrieval augmented language model able to learn knowledge intensive tasks with very few training examples, and studies the impact of the content of the document index, showing that it can easily be updated.
• OpenAlex ID：W4301243929
• OpenAlex DOI：10.48550/arxiv.2208.03299
• DOI：10.48550/arxiv.2208.03299
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2208.03299
• OpenAlex更新：2026-08-18
• 待LLM分类：否
• 标题中文：Atlas：基于检索增强大语言模型的少样本学习
• TLDR中文：本文提出 Atlas，一个经过精心设计并预训练的检索增强大语言模型，能以极少训练样例学习知识密集型任务，并研究了文档索引内容的影响，表明该索引可便捷地更新。
• 来源文件：
• [OpenAlex discover]
• [S2 enrich]