ARTFEED — Contemporary Art Intelligence

TextReg: Ottimizzazione dello Spazio Testuale Regolarizzata per Prompt di LLM

other · 2026-05-22

Un nuovo articolo su arXiv (2605.21318) introduce TextReg, un framework di regolarizzazione per mitigare l'overfitting distribuzionale dei prompt nei grandi modelli linguistici. Gli autori identificano che i metodi di ottimizzazione dei prompt spesso producono prompt lunghi e ristretti che generalizzano male. Formalizzano questo come inefficienza rappresentazionale, misurata dal costo di capacità e dalla ristrettezza dell'ambito. TextReg applica un obiettivo di penalità morbida tramite gradienti testuali regolarizzati, combinando la Purificazione del Gradiente a Doppia Evidenza per migliorare la robustezza del prompt.

Fatti principali

  • ID articolo: arXiv:2605.21318
  • Titolo: TextReg: Mitigare l'Overfitting Distribuzionale dei Prompt tramite Ottimizzazione dello Spazio Testuale Regolarizzata
  • Tipo di annuncio: cross
  • L'abstract discute l'overfitting distribuzionale dei prompt nei LLM
  • Propone l'inefficienza rappresentazionale come misura a due fattori
  • Introduce il framework di regolarizzazione TextReg
  • Utilizza la Purificazione del Gradiente a Doppia Evidenza
  • Si concentra sul miglioramento della generalizzazione del prompt oltre la distribuzione di addestramento

Entità

Istituzioni

  • arXiv

Fonti