待验证60% 置信事实精确时间
Stanford的Alpaca项目使用GPT-3.5生成52K条指令数据来训练7B参数的LLaMA
2
来源数
60%
置信度
长期有效
时效性
2026/8/23
首次发现
来源
涉及实体
相关事实
待验证斯坦福大学与Anyscale合作开发的RouteLLM框架，2024年论文证明基于RLHF偏好数据训练的路由器可在将50%请求路由至GPT-3.5级模型的前提下保持整体任务得分在GPT-4的95%水平以上76% 相似待验证Codex基于GPT-3的1750亿参数框架，通过监督微调和基于人类反馈的强化学习（RLHF）训练而成72% 相似已验证微软的Phi系列模型（Phi-1、Phi-1.5、Phi-2）参数量1.3B至2.7B，使用GPT-4生成的高质量合成数据训练，在多项基准上接近或超越10倍参数量的模型71% 相似待验证GPT-2确立的BPE分词、Pre-LN归一化、因果掩码自回归训练三大核心设计在GPT-3中被保留并扩展至175B参数70% 相似待验证在 GPT 风格与 Llama 风格的预训练任务上，作者覆盖了从 130M 到 2.7B 参数的多个模型规模进行实验。70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/791541API
curl https://kongchang.com/api/v1/knowledge/claims/791541MCP
get_claim(id=791541)