自然语言处理
经验分享！从0开始做一篇Benchmark
MLNLP社区致力于推动自然语言处理领域的学术交流与进步，涵盖硕博生、高校老师及企业研究人员等多个群体。文章详细介绍了如何构建高质量的Benchmark，包括数据准备、清洗、审核、模型评估等步骤及其重要性。
清华提出Test-Time RL，无需标注，模型自学，正确率飙升159%，实现终身学习
MLNLP社区致力于促进国内外机器学习与自然语言处理的交流合作。论文介绍了一种无需标注数据的新方法TTRL，展示了其在数学推理任务上的显著提升效果。
提示工程，被谷歌这份69页白皮书彻底讲明白了（附原文+拆解）
谷歌发布《Prompt Engineering》白皮书，详细讲解提示词工程化策略和参数调优技巧。文档涵盖底层机制、调用参数、采样逻辑等，提供代码配置、输出范式等工程师内部使用的内容，旨在帮助开发者优化LML模型表现。