小语言模型SLM综述｜大模型论文日报

本文介绍了哈佛大学研究团队提出的SocialGPT框架，该框架结合了视觉基础模型（VFMs）和大语言模型（LLMs）的能力，用于社会关系推理。SocialGPT通过将图像内容转化为文本社交故事，并利用LLMs进行文本推理，实现了零样本学习和可解释性。为了优化LLMs的提示设计，研究团队提出了贪婪分段提示优化（GSPO）方法，显著提高了性能。实验结果表明，SocialGPT在社会关系识别任务中表现出色，且适用于不同的图像风格。