arXiv · cs.AI· Mingyuan Zhang, Yue Bai, Huan Wang, Yizhou Wang, Qihua Dong, Yitian Zhang, Yun Fu·· 2 天前
大语言模型通过掩码微调提升性能
Boosting Large Language Models with Mask Fine-Tuning
arXiv:2503.22764v3阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Mingyuan Zhang, Yue Bai, Huan Wang, Yizhou Wang, Qihua Dong, Yitian Zhang, Yun Fu
研究任务与主要进展
研究提出掩码微调（MFT），通过学习并应用二值掩码，在不更新模型权重的情况下改善已优化大语言模型性能。基于论文摘要，基于全量微调模型、沿用相同微调数据进行训练时，MFT 在不同领域和模型骨干上获得一致增益；例如，LLaMA2-7B/3.1-8B 在 IFEval 上平均提升 2.70/4.15。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org