用于数据标注的大型语言模型：综述
-
这是一个精选的关于大型语言模型用于标注的论文列表
由Zhen Tan (ztan36@asu.edu)和Alimohammad Beigi (abeigi@asu.edu)维护。
-
如果你想添加新条目，请以相同格式提交PR。
-
这个列表作为以下综述的补充。
如果您觉得这个仓库有帮助，我们将非常感谢您引用我们的综述。
@misc{tan2024large,
title={Large Language Models for Data Annotation: A Survey},
author={Zhen Tan and Alimohammad Beigi and Song Wang and Ruocheng Guo and Amrita Bhattacharjee and Bohan Jiang and Mansooreh Karami and Jundong Li and Lu Cheng and Huan Liu},
year={2024},
eprint={2402.13446},
archivePrefix={arXiv},
primaryClass={cs.CL}
}
基于大型语言模型的数据标注
手动设计的提示
-
[arXiv 2023] AnnoLLM：让大型语言模型成为更好的众包标注者。[pdf]
-
[arXiv 2023] RAFT：使用奖励排序的微调方法对生成式基础模型进行对齐。[pdf]
-
[arXiv 2022] 循环中的语言模型：将提示融入弱监督。[pdf]
通过成对反馈进行对齐
-
[arXiv 2023] 直接偏好优化：你的语言模型秘密地是一个奖励模型。[pdf]
-
[NeurIPS 2022] 微调语言模型以在具有不同偏好的人群中找到一致性。[pdf]
-
[arXiv 2022] 通过有针对性的人类判断改善对话代理的对齐。[pdf]
评估大型语言模型生成的标注
评估大型语言模型生成的标注
-
[arXiv 2023] AnnoLLM：让大型语言模型成为更好的众包标注者。[pdf]
-
[arXiv 2023] 开源大型语言模型在文本标注任务中表现优于众包工人并接近ChatGPT。[pdf]
-
[arXiv 2020] 图灵测试：语言模型能理解指令吗？[pdf]
通过主动学习进行数据选择
-
[EMNLP 2023] 大型语言模型上下文学习的主动学习原则。[pdf]
-
[arXiv 2023] 大型语言模型作为标注者：以最小成本提高NLP模型的泛化能力。[pdf]
-
[EACL 2021] 使用深度预训练模型和贝叶斯不确定性估计进行序列标注的主动学习。[pdf]
使用大型语言模型生成的标注进行学习
目标领域推理：直接利用标注
-
[arXiv 2023] 因果推理和 大型语言模型：为因果关系开辟新领域。[pdf]
-
[TMLR 2022] 大型语言模型的涌现能力。[pdf]
-
[NeurIPS 2022] 大型语言模型是零样本推理器。[pdf]
-
[arXiv 2022] 通过大型语言模型的描述进行视觉分类。[pdf]
知识蒸馏：连接大型语言模型和特定任务模型
-
[ACL 2023] GPT4All：通过从GPT-3.5-Turbo大规模数据蒸馏训练助手型聊天机器人。[pdf] [代码]
-
[arXiv 2023] 将较小的语言模型专门化用于多步推理。[pdf]
-
[arXiv 2023] 为生物医学知识提取蒸馏大型语言模型：以不良药物事件为例。[pdf]
-
[arXiv 2023] 通过大型语言模型的知识蒸馏进行网页内容过滤。[pdf]
-
[arXiv 2022] 教小型语言模型进行推理。[pdf]
利用大型语言模型标注进行微调和提示
上下文学习（ICL）
-
[EMNLP 2023] 大型语言模型上下文学习的主动学习原则。[pdf]
-
[ACL 2023] 合成提示：为大型语言模型生成思维链演示。[pdf]
-
[NAACL 2022] 通过自监督训练改进上下文少样本学习。[pdf]
-
[NeurIPS 2020] 语言模型是少样本学习器。[pdf]
思维链提示（CoT）
-
[ACL 2023] SCOTT：自一致思维链蒸馏。[pdf]
-
[arXiv 2023] 将较小的语言模型专门化用于多步推理。[pdf]
-
[NeurIPS 2022] 思维链提示引发大型语言模型的推理能力。[pdf]
-
[NeurIPS 2022] 大型语言模型是零样本推理器。[pdf]
-
[arXiv 2022] 语言模型中的理由增强集成。[pdf]
指令微调（IT）
对齐微调（AT）
-
[arXiv 2023] GPT-4技术报告。[pdf]
-
[arXiv 2023] RLAIF：利用AI反馈扩展人类反馈的强化学习。[pdf]
-
[NeurIPS 2022] 通过人类反馈训练语言模型遵循指令。[pdf]
-
[NeurIPS 2017] 基于人类偏好的深度强化学习。[pdf]
综述
工具包
编辑推荐精选
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现 各种信息。
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
Trae
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
咔片PPT
AI助力，做PPT更简单！
咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。
讯飞绘文
选题、配图、成文，一站式创作，让内容运营更高效
讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。
材料星
专业的AI公文写作平台，公文写作神器
AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。
openai-agents-python
OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。
Hunyuan3D-2
高分辨率纹理 3D 资产生成
Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。
3FS
一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。
3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号