元宇宙推动慈善捐赠的进展与心理路径

公益慈善在促进共同富裕中有着重要价值,随着虚拟现实(VR)技术的日趋完善和元宇宙概念的落地,如何在元宇宙背景下,通过VR等数字化技术推动民众的慈善捐赠,成为一个既有趣又有现实意义的问题。本文围绕该问题,对当前已有的公益实践和学术研究进行概览,并依据沉浸技术的沉浸性、生动性和交互性的技术特征,结合相关心理学理论,分别推论了元宇宙在推动慈善捐赠中的“沉浸性—共情”路径、“生动性—心理表象”路径和“交互性—自我效能”路径。未来研究还需进一步解析临场感背后的心理因素,关注元宇宙在推动慈善捐赠上的局限性,探索多感官体验对技术特征的放大作用。

基于高效参数微调的生成式大模型领域适配技术

在深度学习中,“预训练+微调”范式是经典的模型领域适配技术,可有效将预训练模型的丰富知识迁移至新的任务中。然而,随着深度神经网络的规模不断增大,生成式大模型的参数规模往往动辄数十亿甚至数千亿。因此,本文指出在新任务中“全量微调”生成式大模型以实现领域适配不再具有可行性。接着,针对以上问题,本文介绍了一种“轻量化”的大模型领域适配技术——高效参数微调,并对三类主流算法进行综述,分析了算法的主要思想和优缺点。最后,本文借助两个成功案例展示了高效参数微调技术在生成式语言/视觉大模型上的应用效果,证明了高效参数调参技术仅需训练少量额外参数即可近似达到“全量微调”的领域适配效果。