ICML

MixMin: Finding Data Mixtures via Convex Minimization

MixMin: 通过凸优化寻找数据混合

Anvith Thudi, Evianne Rovers, Yangjun Ruan, Tristan Thrush, Chris J. Maddison

机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Stanford University（斯坦福大学） 纠错

AI总结 MixMin通过凸优化方法改进数据混合，提升了语言模型和化学任务的性能，且在不同规模模型上均有效。

Comments Proceedings of the 42nd International Conference on Machine Learning

Investigating Tool-Memory Conflicts in Tool-Augmented LLMs

探究工具增强大语言模型中的工具-记忆冲突

Jiali Cheng, Rui Pan, Hadi Amiri

机构 * University of Massachusetts Lowell（马萨诸塞大学洛约拉分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 本文提出工具-记忆冲突的概念，发现现有LLMs在STEM任务中存在该问题，并评估了现有解决方法的不足。

Comments R2-FM Workshop @ ICML 2025