← EMNLP 各届
EMNLP 2024· Empirical Methods in Natural Language Processing
EMNLP 2024
亮点精读
8 篇 · 获奖 / oral / 高引📈 605 引用
ORPO: Monolithic Preference Optimization without Reference Model
提出ORPO方法，通过单一模型直接优化偏好，无需参考模型。
💡 简化偏好优化流程，降低计算成本。
arXiv
📈 525 引用
From Generation to Judgment: Opportunities and Challenges of LLM-as-a-judge
探讨LLM作为裁判的机遇与挑战，分析其生成与判断能力。
💡 为AI评估提供新范式，推动LLM应用边界。
arXiv
📈 444 引用
Prometheus 2: An Open Source Language Model Specialized in Evaluating Other Language Models
提出Prometheus 2，一个开源语言模型，专门用于评估其他语言模型的表现。
💡 填补了开源评估模型的空白，促进模型评估的透明与可复现。
arXiv
📈 387 引用
Interpretable Preferences via Multi-Objective Reward Modeling and Mixture-of-Experts
提出多目标奖励建模与混合专家方法，实现可解释的偏好学习。
💡 提升奖励模型可解释性，助力安全可控的AI对齐。
arXiv
📈 333 引用
LightRAG: Simple and Fast Retrieval-Augmented Generation
提出LightRAG，一种简单快速的检索增强生成方法。
💡 显著降低RAG系统复杂度与延迟，提升效率。
arXiv
📈 326 引用
mGTE: Generalized Long-Context Text Representation and Reranking Models for Multilingual Text Retrieval
提出mGTE模型，统一处理多语言长文本表示与重排序，提升检索性能。
💡 首次实现多语言长文本统一表示与重排序。
arXiv
📈 324 引用
Humans or LLMs as the Judge? A Study on Judgement Bias
研究人类与LLM作为评估者时的判断偏差，分析偏差来源及影响。
💡 揭示评估偏差关键，指导更可靠的NLP系统评测。
arXiv
📈 306 引用
EAGLE-2: Faster Inference of Language Models with Dynamic Draft Trees
提出动态草稿树方法，加速语言模型推理，比EAGLE-1快3-5倍。
💡 显著提升推理速度，降低延迟，适合实时应用。
arXiv
全部论文
加载中…正在从 DBLP 加载全量论文…
全量索引来自 DBLP · 完整 proceedings 见 官方站点