このフレームワークは、中山大学と香港中文大学の論文で使用されています。 「DQ-LORE: コンテキスト内学習のための低ランク近似再ランキングによるデュアルクエリ」で提案されました。
この研究では、チームは「二重クエリ（DQ) と低ランクの近似並べ替え (伝承)」は、コンテキスト学習の例を自動的に選択します。実験の結果、DQ-LoRe は GPT-4 サンプルの自動選択において以前の方法を上回り、正解率が 92.5% から 94.2% に増加し、LLM が複雑な推論問題を解決するための新しい方法を開くことが示されました。研究チームの包括的な分析はさらに、DQ-LoRe が、特に分布の変化を特徴とするシナリオにおいて、パフォーマンスと適応性の点で検索ベースの手法よりも一貫して優れていることを示しています。 DQ-LoRe は、文脈学習の限界を押し広げ、複雑な推論の課題を解決する新しい方法を開きます。