Chain of Density Prompting: differenze tra le versioni
Nessun oggetto della modifica |
Nessun oggetto della modifica |
||
| Riga 10: | Riga 10: | ||
* Distillazione iterativa della densità delle informazioni | * Distillazione iterativa della densità delle informazioni | ||
* Sfruttare le funzionalità di modelli linguistici di grandi dimensioni per il riepilogo | * Sfruttare le funzionalità di modelli linguistici di grandi dimensioni per il riepilogo | ||
== Link == | |||
=== Paper === | |||
[https://arxiv.org/pdf/2309.04269.pdf Chain of Density: From Sparse to Dense: GPT-4 Summarization with Chain of Density Prompting (Settembre 2023)]: paper originale | |||
=== Github === | |||
[https://github.com/richawo/chain-of-density Chain of Density] | |||
Versione delle 11:21, 15 mar 2024
Il Chain of Density è una nuova tecnica che crea riepiloghi altamente condensati, ma ricchi di informazioni da testi di lunga durata. Funziona estraendo in modo iterativo le entità essenziali dal testo di partenza e riscrivendo il riassunto per incorporare ogni volta più entità (senza perdere le entità precedenti), risultando in una "catena" di riassunti sempre più fitti.
Questa implementazione richiede un lungo input di testo (ad esempio articoli, blog, white paper, documenti) e lo esegue attraverso cicli multipli di estrazione delle entità e riscrittura del riepilogo per produrre un riassunto finale denso contenente solo le informazioni critiche dalla fonte.
I principali vantaggi dell’approccio includono:
- Produrre riassunti altamente compressi, ma fedeli
- Catturare dettagli e concetti chiave da testi complessi e di lunga durata
- Distillazione iterativa della densità delle informazioni
- Sfruttare le funzionalità di modelli linguistici di grandi dimensioni per il riepilogo
Link
Paper
Chain of Density: From Sparse to Dense: GPT-4 Summarization with Chain of Density Prompting (Settembre 2023): paper originale