สิ่งตีพิมพ์ในหัวข้อ 'llm'


Stochastic Parrots สามารถเข้าใจสิ่งที่พวกเขาเรียนรู้ได้อย่างแท้จริงหรือไม่?
ฉันคิดว่าฉันมีคุณแล้วกับพาดหัว นกแก้วสุ่มห่าคืออะไร? เอาล่ะ มาดำดิ่งลงไปเลย! ในแมชชีนเลิร์นนิง "นกแก้วสุ่ม" คือโมเดลภาษาขนาดใหญ่ (เช่น GPT-3 โดย "OpenAI", "Cohere", "Hugging Face") ที่สร้างภาษาที่น่าเชื่อถือได้ดีแต่ไม่เข้าใจความหมายจริงๆ ของภาษาที่กำลังประมวลผล ในบทความนี้ เราจะเจาะลึกความซับซ้อนของนกแก้วสุ่ม สำรวจข้อจำกัดของนกแก้วสุ่ม และประเมินความสามารถในการเข้าใจสิ่งที่พวกเขาเรียนรู้อย่างแท้จริง ทำความเข้าใจกับนกแก้ว Stochastic Stochastic Parrot คืออะไร? นกแก้ว..
วิธีสร้างแอป Text to Image ด้วยโมเดล AI ฟรีในโค้ด 30 บรรทัด
สร้างรูปภาพที่น่าทึ่งด้วย AI คำแนะนำทีละขั้นตอนในการสร้างแอปทดสอบเป็นรูปภาพ ในโลกที่เปลี่ยนแปลงอย่างรวดเร็วของเรา AI กำลังเป็นศูนย์กลาง จึงไม่น่าแปลกใจที่ AI ดึงดูดความสนใจของเราเนื่องจากมีศักยภาพในการปรับปรุงประสิทธิภาพในอุตสาหกรรมต่างๆ คุณอาจเคยทดลองใช้เครื่องมือแปลงข้อความเป็นรูปภาพ เช่น Midjourney และ Dream Studio แต่ใน บทความนี้ ฉันจะแนะนำคุณทีละขั้นตอนในการสร้างแอปสร้างข้อความเป็นรูปภาพ "กลางการเดินทาง" ของคุณเองตั้งแต่ต้นโดยใช้การกระจายที่เสถียร . มีโค้ดประมาณ 30 บรรทัด..
การเพิ่มผลกระทบของการแจ้งเตือน LLM ของคุณให้สูงสุด: เปิด Prompt Engineering ของ AI
นี่คือสิ่งที่ฉันได้เรียนรู้จาก "Open AI’s Course" ใน Prompt Engineering สำหรับการวิเคราะห์เชิงลึกและคำแนะนำโค้ดเพิ่มเติม ฉันขอแนะนำให้ทำทั้งหลักสูตร แนวทางหลักจากหลักสูตรคือ: 1. มีความชัดเจนและเฉพาะเจาะจง ชัดเจนและเฉพาะเจาะจง เมื่อแจ้งให้ทราบ ซึ่งจะช่วยลดโอกาสในการได้รับคำตอบที่ไม่เกี่ยวข้อง อย่าทำผิดพลาดให้ชัดเจนพร้อมท์สั้น ๆ บางครั้งข้อความแจ้งที่ยาวกว่านี้อาจให้ความชัดเจนมากขึ้น 1.1 ยุทธวิธี ใช้ ตัวคั่น - เช่น พร้อมท์..
WhyLabs Weekly: ตรวจสอบโมเดล Hugging Face LLM
การสังเกตด้วย AI สำหรับการกอดใบหน้า LLM, การปกป้องและการตรวจสอบโมเดลภาษาขนาดใหญ่, การบูรณาการ LangChain และอีกมากมาย! มีอะไรเกิดขึ้นมากมายทุกสัปดาห์ในชุมชน WhyLabs Robust & Responsible AI (R2AI)! การอัปเดตประจำสัปดาห์นี้ถือเป็นการสรุปเพื่อให้คุณไม่พลาดสิ่งใด! เริ่มเรียนรู้เกี่ยวกับ MLOps และ ML Monitoring: 📅 เข้าร่วมกิจกรรมถัดไป: LLMs in Production: Lessons Learned 💻 ตรวจสอบโครงการโอเพ่นซอร์สของเรา Whylogs & LangKit ! 💬 เข้าร่วม 1,155 ที่แข็งแกร่งและมีความรับผิดชอบ..
โมเดลภาษาโดยใช้โปรแกรมช่วย
LLM สามารถเขียนโค้ดได้ แต่จะเกิดอะไรขึ้นถ้าพวกเขาสามารถรันโปรแกรมได้? แม้ว่า Large Language Models (LLM) จะถูกนำมาใช้กับแอพพลิเคชั่นที่หลากหลาย แต่โดยทั่วไปแล้วพวกมันมักจะประสบปัญหาในการแก้ปัญหางานที่ใช้เหตุผล ปัญหานี้ลดลงอย่างมากด้วยเทคนิคการกระตุ้นเตือน เช่น "ห่วงโซ่แห่งความคิด" และ "การกระตุ้นเตือนน้อยที่สุด" ในระดับสูง เทคนิคเหล่านี้สนับสนุนพฤติกรรมการใช้เหตุผลใน LLM โดยการให้ตัวอย่างเหตุผลในการแก้ปัญหาภายในกรอบเวลาของแบบจำลอง จากนั้น..
โมเดลภาษาขนาดใหญ่เรียนรู้จากข้อมูลได้อย่างไร
“หนังสือเป็นเวทมนตร์แบบพกพาที่ไม่เหมือนใคร” — อ้างอิงจากสตีเฟน คิง นักเขียนที่มีผลงานมากมาย ลองจินตนาการดูว่าคุณสามารถกลั่นกรองแก่นแท้ของหนังสือทุกเล่มที่เคยเขียนลงในสมองดิจิทัลได้หรือไม่ คุณสามารถถามคำถาม แล้วมันจะสร้างคำตอบ ให้ข้อมูลเชิงลึก วิธีแก้ปัญหา หรือแค่ล้อเล่นอย่างมีไหวพริบ ฟังดูเหมือนนิยายวิทยาศาสตร์ใช่ไหม? แต่นี่คือสิ่งที่ Large Language Models (LLM) มุ่งหวังที่จะบรรลุผล เปิดเผยความมหัศจรรย์ของคำพูด หัวใจของพวกเขา LLM เช่น GPT-4 หรือ BERT เป็นระบบการจดจำรูปแบบ..
สรุป: “รู้สึกเหมือนมีจิตใจที่สอง”
20 กรกฎาคม 2023 “รู้สึกเหมือนมีจิตใจที่สอง”: การตรวจสอบความคิดสร้างสรรค์ร่วมกันของมนุษย์และ AI ในการเขียนล่วงหน้าด้วยแบบจำลองภาษาขนาดใหญ่ — QIAN WAN, SIYING HU, YU ZHANG, PIAOHONG WANG, BO WEN, ZHICONG LU บทความนี้จะตรวจสอบการทำงานร่วมกันของมนุษย์และ AI ในระหว่างขั้นตอนก่อนการเขียนงานเขียนเชิงสร้างสรรค์โดยใช้โมเดลภาษาขนาดใหญ่ (LLM) เช่น GPT-3 โดยระบุกระบวนการ "ความคิดสร้างสรรค์ร่วมกันระหว่างมนุษย์และ AI" 3 ขั้นตอนที่มีอยู่ระหว่างการเขียนล่วงหน้าด้วย LLM: แนวคิด การส่องสว่าง..