Route-Induced Density and Stability (RIDE): Controlled Intervention and Mechanism Analysis of Routing-Style Meta Prompts on LLM Internal States
Digital China AI Research Institute(神州数码人工智能研究院)
本研究通过注入路由式元提示测试路由到任务专家是否激活更稀疏的内部计算,发现早期/中期层表示密度增加而非稀疏化,且不同模型对关键词注意力的响应各异,最终揭示密度与稳定性之间的弱关联。
2026-03-31 cs.AI
MetaReflection: Learning Instructions for Language Agents using Past Reflections
Microsoft(微软公司)
针对闭源LLM驱动的语言智能体难优化、现有方法适用场景受限的问题,提出离线强化学习方法MetaReflection,通过扩充经验语义记忆提升性能,在多任务上效果优于GPT-4基线,且调用成本更低。
2024-10-10 cs.AI cs.CL
CodecLM: Aligning Language Models with Tailored Synthetic Data
Google Cloud AI Research(谷歌云AI研究院);Google Cloud AI(谷歌云AI);Google Research(谷歌研究院)
CodecLM框架通过编码-解码原理,利用LLM将种子指令编码为元数据并解码生成定制合成数据,结合Self-Rubrics和对比过滤,在多个基准上超越现有方法,提升指令遵循能力。
2024-04-08 cs.AI cs.CL cs.LG
Towards Robust Instruction Tuning on Multimodal Large Language Models
Singapore University of Technology and Design(新加坡科技设计大学);Nanyang Technological University(南洋理工大学)
本文提出自动指令增强方法 INSTRAUG,从少量元指令扩展多模态指令数据 30 倍,并在 MULTIINSTRUCT 与 InstructBLIP 上验证其可显著提升 MLLM 的跨任务对齐效果。
2024-06-14 cs.AI cs.CL
Repairing Language Model Pipelines by Meta Self-Refining Competing Constraints at Runtime
KTH Royal Institute of Technology(皇家理工学院)
针对语言模型管线在竞争性软约束下陷入低效回溯循环的问题,提出Meta Self-Refining框架,通过监控执行历史并调用元修复器LM合成平衡指令,在运行时修复振荡失败,从而生成更高效的LM程序。
2025-07-11 cs.AI cs.IR cs.SE
LLM-CXR: Instruction-Finetuned LLM for CXR Image Understanding and Generation
Korea Advanced Institute of Science & Technology(韩国科学技术院)
本文提出LLM-CXR,通过指令微调仅文本预训练的LLM,使其获得胸部X光图像的理解与生成能力,在更小模型规模下实现更好的图像-文本对齐。
2024-03-18 cs.AI cs.CL cs.CV
Did You Read the Instructions? Rethinking the Effectiveness of Task Definitions in Instruction Learning
UCLA(加州大学洛杉矶分校);Salesforce AI Research(赛富时人工智能研究院)
本文系统分析指令学习中任务定义的作用,发现输出与标签信息最关键,并提出自动压缩、结构化关键信息和元微调策略,在119个未知任务上提升4.2 Rouge-L。
2023-06-01 cs.AI cs.CL
Adding Instructions during Pretraining: Effective Way of Controlling Toxicity in Language Models
NVIDIA(英伟达)
预训练的大语言模型已经成为解决各种自然语言处理(NLP)任务不可或缺的工具。然而,在现实世界的应用程序中安全地部署它们是具有挑战性的,因为它们会产生有毒内容。为了应对这一挑战,我们提出了两种新的预训练数据增强策略,可以显着降低模型毒性,而不会影响其实用性。我们的两个战略是:(1)MEDA:将原始毒性评分作为元数据添加到预训练样本中,以及(2)INST:将指令添加到指示其毒性的那些样本中。我们的研究结果表明,我们的最佳执行策略(INST)大大降低了毒性概率高达61%,同时保留了五个基准NLP任务的准确性,并将四个偏差检测任务的AUC分数提高了1.3%。我们还通过调整训练样本的数量和模型参数的数量来证明我们的技术的普遍性。
2023-02-14 cs.AI cs.CL
Cross-Task Generalization via Natural Language Crowdsourcing Instructions
Allen Institute for AI(艾伦人工智能研究所);University of Washington(华盛顿大学);Arizona State University(亚利桑那州立大学)
人类(例如,crowdworkers)在解决不同任务方面具有非凡的能力,只需阅读定义它们的文本指令并查看几个示例。尽管传统的监督学习在单个数据集上取得了成功,但这种模型通常难以跨任务进行泛化(例如,问答系统不能解决分类任务)。人工智能的一个长期挑战是建立一个模型,通过理解定义它的人类可读指令来学习新任务。为了研究这个问题,我们引入了NATURAL INFORCETIONS,一个包含61个不同任务的数据集,它们的人类编写的指令,以及193k个任务实例(输入输出对)。这些指令是从用于创建现有NLP数据集的众包指令获得的,并且被映射到统一模式。使用这个元数据集,我们通过在可见的任务上训练模型并测量对其余不可见任务的泛化来测量跨任务泛化。我们采用生成式预训练语言模型来编码特定于任务的指令以及输入并生成任务输出。我们的研究结果表明,模型受益于指令时,评估的泛化看不见的任务(19%更好的模型利用指令)。然而,这些模型远远落后于估计的性能上限,表明在这一方向上还有很大的进步空间。
2022-03-14 cs.AI cs.CL cs.CV
Towards Better Evaluation of Instruction-Following: A Case-Study in Summarization
Google Research(谷歌研究院)
针对LLMs指令遵循评估方法正确性研究不足的问题,本文构建了含300个文档-指令对、900个答案的真实数据集riSum进行元评估,并提出新的基于LLM的无参考评估方法,其表现媲美高成本有参考指标。
2023-10-20 cs.AI cs.CL cs.LG
Meta-Prompting: Enhancing Language Models with Task-Agnostic Scaffolding
Stanford University(斯坦福大学);OpenAI
本文提出元提示(meta-prompting)这一任务无关的零样本脚手架技术,使单一语言模型同时充当协调者和多专家面板,并通过集成 Python 解释器在多项任务上显著超越标准提示、专家提示和多角色提示。
2024-01-23 cs.AI cs.CL cs.HC
Self-interpreting Adversarial Images
Cornell Tech(康奈尔科技);University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校)
本研究提出针对视觉语言模型的新型跨模态注入攻击,生成含隐藏元指令的自解释对抗图像,可引导模型输出符合攻击者目标,评估了攻击效果并讨论了潜在危害与防御方向。
2025-06-13 cs.AI cs.CR cs.LG
AGENTIF: Benchmarking Instruction Following of Large Language Models in Agentic Scenarios
Tsinghua University(清华大学);Zhipu AI(智谱AI)
本文提出AgentIF,首个针对智能体场景的指令遵循基准,包含50个真实任务、707条长且复杂的指令,并系统评估了现有LLMs,发现其在复杂约束和工具规范上表现不佳。
2025-05-22 cs.AI cs.CL
Meta-Explore: Exploratory Hierarchical Vision-and-Language Navigation Using Scene Object Spectrum Grounding
Seoul National University(首尔国立大学);Hanyang University(汉阳大学)
视觉和语言导航(VLN)的主要挑战是如何在看不见的环境中理解自然语言指令。传统的VLN算法的主要局限性是,如果一个动作是错误的,代理不遵循的指示或探索不必要的区域,导致代理到一个不可恢复的path. To解决这个问题,我们提出Meta-Explore,层次导航方法部署的剥削政策,以纠正误导最近的行动。我们表明,开发政策,移动代理对一个精心选择的本地目标之间的未访问的,但可观察的状态,优于移动代理到以前访问过的状态的方法。我们还强调了想象遗憾的探索与语义有意义的线索的需求。我们的方法的关键是了解周围的代理在频谱域中的对象放置。具体来说,我们提出了一种新的视觉表示,称为场景对象谱(SOS),它执行类别明智的二维傅立叶变换检测到的对象。结合开发策略和SOS特征,智能体可以通过选择一个有希望的局部目标来修正路径。我们评估我们的方法在三个VLN基准:R2 R,SOON和REVERIE。Meta-Explore优于其他基线,并显示出显着的泛化性能。此外,局部目标搜索使用所提出的频谱域SOS功能显着提高了17.1%的成功率和SPL的20.6%的SOON基准。
2023-03-07 cs.AI cs.CV cs.RO
Optimizing Instructions and Demonstrations for Multi-Stage Language Model Programs
Stanford University(斯坦福大学);Basis(贝西斯公司);KTH Royal Institute of Technology(瑞典皇家理工学院);UC Berkeley(加州大学伯克利分校)
针对多阶段语言模型程序需适配全模块的提示优化难题,提出分解优化模块指令与示例的MIPRO算法,结合三类策略实现无模块级标签下的提示优化,在7个测试任务的5个中优于基线,最高准确率提升13%。
2024-10-06 cs.AI cs.CL cs.LG
X-Eval: Generalizable Multi-aspect Text Evaluation via Augmented Instruction Tuning with Auxiliary Evaluation Aspects
Virginia Tech(弗吉尼亚理工大学);Fudan University(复旦大学);Amazon Inc.(亚马逊公司)
针对多维度文本评估需泛化到未见维度的难题,提出两阶段指令微调框架X-Eval,搭配定制数据集AspectInstruct,可让轻量模型达到与GPT-4等先进评估器相当甚至更高的人类判断相关性。
2024-04-13 cs.AI cs.CL cs.LG
CUAAudit: Meta-Evaluation of Vision-Language Models as Auditors of Autonomous Computer-Use Agents
本文研究了视觉语言模型作为自主计算机使用代理审计员的元评估,发现尽管先进模型在准确性方面表现良好,但在复杂环境中性能下降,突显了现实部署中需考虑评估者可靠性与不确定性的重要性。
2026-03-12 cs.AI cs.HC
A Sentiment Consolidation Framework for Meta-Review Generation
School of Computing and Information Systems, The University of Melbourne(墨尔本大学计算与信息系统学院);Language Technologies Institute, Carnegie Mellon University(卡内基梅隆大学语言技术研究所)
本文针对科学领域meta-review生成任务,提出三层情感整合框架及LLM提示方法,通过实验验证该框架优于简单指令提示。
2024-06-04 cs.AI cs.CL
DISC: Decoupling Instruction from State-Conditioned Control via Policy Generation
Zhejiang University(浙江大学);The University of Hong Kong(香港大学);TranscEngram
DISC通过策略生成解耦指令与状态条件控制,解决了任务状态耦合导致的观察泄漏问题,并在多个基准测试中表现出色,证明了语言生成的策略参数驱动行为。
2026-05-20 cs.AI cs.LG cs.RO