直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

LLM最大的价值是什么

回答

LLM 具有以下重要价值：

  1. 作为 LangChain 平台与各种大模型交互的核心模型，是一个能处理语言输入和输出的抽象概念，开发者无需关心大模型细节，只关注语言逻辑和意义，就能利用其能力构建应用，还能灵活选择和切换大模型，甚至自行封装实现特定语言逻辑和功能。
  2. 能够强化人类既有的能力，未来可能促使每个人成为全栈人员，并重新划分岗位，关键在于对 LLM、自身技能和业务应用的理解。
  3. 具有知识获取能力，通过预训练学习大量语言数据，掌握丰富语言信息和常识知识，能处理多种任务。
  4. 擅长解析人类语言指令，精准理解用户语言表达意图。
  5. 具备泛化能力，在未见过的数据上表现良好，能利用先前知识处理新挑战。
  6. 能够进行逻辑推理和未来预测，在复杂动态环境中做出理性选择并引导行动。
  7. 拥有强大的交互能力，在多人多轮次对话中自然流畅交流，改善用户体验。
  8. 可以基于用户反馈和效果评估进行自我改进，逐渐提升性能和准确性。
  9. 具有可扩展性，能根据具体需求定制化适配，通过微调提高特定领域处理能力和专业化水平。
内容由 AI 大模型生成，请仔细甄别（powered by aily）

参考资料

开发：LangChain大模型应用开发指南-封装自己的LLM

原创AI小智AI小智2023-12-07 08:10发表于湖北在之前的课程中，我带领小伙伴们使用开源项目实现了将星火模型的OpenAI-API接口适配转换封装，没有看过的小伙伴可以点击链接查看：[AI课程合集](https://mp.weixin.qq.com/mp/appmsgalbum?__biz=Mzg2ODA5NTM1OA==&action=getalbum&album_id=3115055723522015235#wechat_redirect)但是这种做法的局限性也很强，只能使用开源项目适配过的大模型，并且由于多了一层适配代理，接口的性能也存在一定损耗。今天，我将给大家介绍一个更加通用的方案，基于LangChain()平台提供的LLM基础模型，完成任意模型接口的封装。[heading2]LangChain与大模型交互的核心模型-LLM[content]LLM（语言逻辑模型）是LangChain平台与各种大模型进行交互的核心模型，它是一个抽象的概念，可以理解为一个能够处理语言输入和输出的黑盒。LLM的输入是一个字符串，表示用户的请求或问题，LLM的输出也是一个字符串，表示模型的回答或结果。LLM可以根据不同的输入，调用不同的大模型，来完成不同的语言任务，如文本生成、文本理解、文本翻译等。LLM的优势在于，它可以让开发者无需关心大模型的细节和复杂性，只需要关注语言的逻辑和意义，就可以利用大模型的能力来构建自己的应用。LLM也可以让开发者灵活地选择和切换不同的大模型，而无需修改代码或适配接口。LLM还可以让开发者自己封装自己的LLM，来实现自己的语言逻辑和功能。

用魔法强化自己-使用大模型辅助论文学习

作者：[叶兀](https://www.zhihu.com/people/ljyduke)爱丁堡大学人工智能硕士原文：https://zhuanlan.zhihu.com/p/679670110[heading2]背景[content]当LLM出现之后，我认为它最大的能力便是强化人类既有的能力。未来的一种可能分工是，每一个人都是一名全栈，并不单指工程师，是全岗位，而在这个基础上再重新划分岗位，此时考究的是对LLM的理解、自身技能的理解、对业务应用的理解。Anyway，本次在Kimi Chat的帮助下，利用gitpage、github action、gitee、Yi模型（[零一万物](https://link.zhihu.com/?target=https%3A//www.lingyiwanwu.com/)）和百度千帆完成了一个供我个人使用的在线论文集合，关键是全免费！github：[https://dukeenglish.github.io/papertutor/](https://link.zhihu.com/?target=https%3A//dukeenglish.github.io/papertutor/)（欢迎star、fork打造自己专属的论文推荐、理解站点）gitee：[https://gitee.com/dukeenglish/PaperTutor/blob/main/docs/papers.md](https://link.zhihu.com/?target=https%3A//gitee.com/dukeenglish/PaperTutor/blob/main/docs/papers.md)

ComfyUI & LLM：如何在ComfyUI中高效使用LLM

1.知识获取能力：LLM（例如GPT或BERT）通过预训练学习了大量的语言数据。这意味着这些模型已经掌握了大量的语言信息和常识知识。由于预训练数据涵盖了从书籍、新闻文章到互联网上的各种文本，LLM能够理解和处理多种任务。无论是日常生活的常见问题还是专业知识，LLM都能够从中汲取足够的知识基础来进行有效的处理和输出。2.指令理解：LLM擅长解析人类的语言指令。无论是简洁的命令还是复杂的句子，LLM都能够理解这些指令的真实含义，并据此作出相应的回应。它们通常采用深度神经网络进行自然语言理解和生成，从而能够精准理解用户的语言表达意图。3.泛化能力：泛化能力指的是在未见过的数据上表现良好，即使遇到未曾明确训练过的任务，LLM也可以利用先前学到的知识处理新的挑战。它们通过大量训练样本形成了对语言结构的通用理解，可以应用于各种未曾预料的情境。4.推理和规划：LLM能够进行逻辑推理和未来预测。这意味着它们可以通过分析当前条件来预测结果，或是基于现有数据来制定下一步行动的最佳方案。这种能力允许Agent在复杂动态环境中做出理性的选择并引导行动。5.交互能力：LLM拥有强大的对话能力，能够在多人多轮次对话中自然流畅地进行沟通交流。这种特性对于构建实用性强的操作界面至关重要，可以显著改善用户体验。6.自我改进：基于用户的使用反馈和实际效果评估，LLM可以通过调整参数、更新算法等方式逐渐提升自身性能和准确性，这一过程称为自我改进。随着时间推移，Agent会变得越来越“聪明”，更好地满足用户需求。7.可扩展性：可扩展性意味着LLM可以根据具体需求进行定制化适配。通过针对某一领域或某种任务的数据进行微调，LLM可以显著提高在特定领域的处理能力和专业化水平。

其他人在问
LLM 提示词怎么写
以下是关于 LLM 提示词编写的相关内容： 在“艾木：提示词编程｜有必要用 Lisp 语言写提示词吗？”中，“小确幸”这段提示词用 Lisp 语言描述了一个简单工作流，包含对用户输入文本的处理和生成 SVG 卡片等步骤，内部还有一系列子步骤和 fewshot examples。但大语言模型按程序描述的逻辑运行这类复杂程序有难度。 在“走入 AI 的世界”中，提示词（Prompt）是输入给大模型的文本内容，其质量会显著影响大模型回答的质量。 在“藏师傅教你用 AI 三步制作任意公司的周边图片，不用到处找样机文件”中，介绍了用 LLM 生成图像提示词的流程，包括获取 Logo 图片的描述，根据描述和生成意图生成图片提示词，将图片和提示词输入 Comfyui 工作生成等步骤，并给出了相关示例。
2024-12-16
开源的开源的 LLM 微调推理，agent开发平台
以下是为您整理的关于开源的 LLM 微调推理、agent 开发平台的相关内容： LLM 作为 Agent 的“大脑”的特点： 1. 知识获取能力：通过预训练学习大量语言数据，掌握丰富语言信息和常识知识，能处理多种任务。 2. 指令理解：擅长解析人类语言指令，采用深度神经网络进行自然语言理解和生成，精准理解意图。 3. 泛化能力：在未见过的数据上表现良好，能利用先前知识处理新挑战，形成对语言结构的通用理解。 4. 推理和规划：能够进行逻辑推理和未来预测，分析条件制定最佳行动方案，在复杂环境中做出理性选择。 5. 交互能力：拥有强大对话能力，在多人多轮次对话中自然流畅交流，改善用户体验。 6. 自我改进：基于用户反馈和效果评估，通过调整参数、更新算法提升性能和准确性。 7. 可扩展性：可根据具体需求定制化适配，针对特定领域数据微调提高处理能力和专业化水平。 相关产品和平台： 1. ComfyUI：可在其中高效使用 LLM。 2. Vercel AI SDK 3.0：开源的工具，可将文本和图像提示转换为 React 用户界面，允许开发者创建丰富界面的聊天机器人。 3. OLMo7BInstruct：Allen AI 开源的微调模型，可通过资料了解从预训练模型到 RLHF 微调模型的所有信息并复刻微调过程。 4. Devv Agent：能提供更准确、详细的回答，底层基于 Multiagent 架构，根据需求采用不同 Agent 和语言模型。 实例探究： 1. ChemCrow：特定领域示例，通过 13 个专家设计的工具增强 LLM，完成有机合成、药物发现和材料设计等任务。 2. Boiko et al. 研究的 LLM 授权的科学发现 Agents：可处理复杂科学实验的自主设计、规划和执行，能使用多种工具。
2024-12-12
LLM 和 AI Agent的区别
LLM（大型语言模型）和 AI Agent（人工智能智能体）存在以下区别： LLM 主要侧重于语言的理解和生成，具有强大的语言处理能力。它们在大规模语料库上进行预训练，能够通过少量样本展现出泛化能力。然而，其缺点是计算资源消耗大，可能存在偏见和误解。 AI Agent 则为人工智能应用程序提供了全新的功能，包括解决复杂问题、对外界采取行动以及在部署后从经验中学习。它们通过高级推理/规划、工具使用、记忆/递归/自我反思的组合来实现这些功能。AI Agent 能够进行令人难以置信的演示，但目前大多数框架仍处于概念验证阶段，还不能可靠、可重现地完成任务。 基于 LLM 的 AI Agent 以 LLM 置于“大脑”或“控制器”的核心位置，赋予强大的语言理解和生成能力。为扩展感知和行动范围，采用多模态感知技术和工具利用策略，能理解和响应多种类型输入，并与环境有效互动。通过思维链和问题分解技术展现出推理和规划能力，还能从反馈中学习并执行新行动，表现出类似反应式 Agent 的特性。其已在软件开发、科学研究等现实场景中应用，能利用自然语言理解和生成能力与其他 Agent 交流协作。特点是基于大规模神经网络，特别是 Transformer 架构，技术上有 Llama、GPT 等预训练大型语言模型，优点是强大的语言理解、生成和对话能力，缺点是计算资源消耗大，可能存在偏见和误解。
2024-12-09
如何调教LLM写好提示词
以下是关于调教 LLM 写好提示词的相关内容： 1. 无需微调，仅用提示词工程就能让 LLM 获得 tool calling 的功能： 提示词工程主要由提示词注入和工具结果回传两部分代码组成。 提示词注入将工具信息及使用工具的提示词添加到系统提示中，其中 INSTRUCTION 包含 TOOL_EAXMPLE、tools_instructions、REUTRN_FORMAT 三个部分。TOOL_EAXMPLE 用于提示 LLM 理解和使用工具，编写时注意用无关紧要的工具作示例避免混淆。tools_instructions 可通过输入不同工具动态调整，让 LLM 得知可用工具及使用方法。REUTRN_FORMAT 定义调用 API 的格式。 工具结果回传阶段利用正则表达式抓取输出中的“tool”和“parameters”参数，对于 interpreter 工具使用另一种正则表达式提取 LLM 输出的代码，提高使用成功率。识别 LLM 返回的调用工具字典，提取对应值传入工具函数，将结果以 observation 角色返回给 LLM，若接口不接受，可改为回传给 user 角色。 2. 藏师傅教您用 AI 三步制作任意公司的周边图片： 整个流程分为三个部分：获取 Logo 图片的描述、根据 Logo 图片的描述和生成意图生成图片提示词、将图片和提示词输入 Comfyui 工作生成。 用下面的提示词生成关于 Logo 图片的描述：为帮助视障艺术家，需详细描述图像内容，包括摄影、标志设计等方面，控制在 50 字左右。 用 LLM 生成图像提示词：将第一步生成的提示词填入{图像描述}位置，将想生成的周边填入{周边描述}部分。 3. 小七姐：Prompt Engineering a Prompt Engineer 精读翻译： 提示词工程是优化大型语言模型性能的具有挑战性但至关重要的任务，需要复杂推理检查模型错误等。 研究了“PROMPT ENGINEERING A PROMPT ENGINEER”的问题，介绍并分析关键组成部分，如逐步推理模板和上下文规范等。 最终方法 PE2 在多个数据集和任务中表现出色，能进行有意义和针对性的提示词编辑，展现出反事实推理能力。
2024-12-08
LLM对未来的影响有哪些
LLM 对未来的影响主要体现在以下几个方面： 1. 应用程序架构：代理有可能成为 LLM 应用程序架构的核心部分，为人工智能应用程序提供解决复杂问题、对外界采取行动以及从经验中学习等全新功能。但目前大多数代理框架仍处于概念验证阶段。 2. 能力拓展：未来的大型语言模型将能够读取和生成文本，拥有更丰富的知识，能利用现有软件基础架构，具备查看和生成图像与视频、听取发声创作音乐、利用系统 2 进行深入思考、在特定领域自我优化以及针对特定任务定制和调整等能力。 3. 落地应用：LLM 技术正从 demo 向落地阶段发展，在达到一定水平后，其在各个业务场景中的实用性将大大提升。但当前大部分应用仍处于探索阶段，在推理、训练学习效率等方面还有待提高，且与视觉、触觉等技术的搭配尚未成熟。同时，关于数据驱动的概率模型和由第一性原理建立的数理模型如何更好地模拟世界以及两者的融合方式仍有待解决。在应用方面，包括自然语言、ToB、ToC 等领域。
2024-12-03
LLM是什么
LLM（语言逻辑模型）是 LangChain 平台与各种大模型进行交互的核心模型，是一个能够处理语言输入和输出的抽象概念，可理解为黑盒。其输入是表示用户请求或问题的字符串，输出是表示模型回答或结果的字符串。 LLM 具有以下优势： 1. 让开发者无需关心大模型的细节和复杂性，只需关注语言的逻辑和意义，就能利用大模型的能力构建应用。 2. 使开发者能灵活选择和切换不同的大模型，无需修改代码或适配接口。 3. 允许开发者自己封装自己的 LLM，实现自己的语言逻辑和功能。 RAG 对大语言模型（LLM）的作用如同开卷考试对学生，事实性知识与 LLM 的推理能力相分离，被存储在容易访问和及时更新的外部知识源中，包括参数化知识（模型在训练过程中学习得到，隐式储存在神经网络的权重中）和非参数化知识（存储在外部知识源，如向量数据库中）。 此外，LLM 可以是复杂、通用和强大的系统，能在广泛任务上表现出色，也可用于或微调执行特定任务，如知识生成和自我验证。同时，LLM 可用于检测对抗提示并将其过滤掉，如 Armstrong 和 Gorman（2022）提出的有趣解决方案，包括定义提示评估器等。
2024-12-03
🚀接着上期SOP+AI：打造职场高效能人士的秘密武器的分享，今天继续聊聊SOP+AI的应用，🎯今天的主题是“怎样利用AI节约10倍内容创作时间？”📚最近跟团队有开始运营小红书账号，就想着先给自己打造点顺手的工具，于是乎「小红书文案专家」就出生啦～🎉[heading1]一、先介绍下我们小Bot[content]🛺BOT名称：小红书文案专家功能价值：见过多个爆款文案长啥样，只需输入一个网页链接或视频链接，就能生成对应的小红书文案，可以辅助创作者生成可以一键复制发布的初稿，提供创意和内容，1
以下是关于“SOP+AI”的相关内容： 怎样利用 AI 节约 10 倍内容创作时间？ 最近团队开始运营小红书账号，于是打造了“小红书文案专家”。 BOT 名称：小红书文案专家 功能价值：见过多个爆款文案，输入网页或视频链接就能生成对应的小红书文案，辅助创作者生成可一键复制发布的初稿，提供创意和内容，节约 10 倍文字内容创作时间。 应用链接：https://www.coze.cn/s/ij5C6LWd/ 设计思路： 痛点：个人时间有限，希望有人写初稿并生成配图。 实现思路：为自己和团队设计工作流，让 AI 按运营思路和流程工作。 一期产品功能： 1. 提取任何链接中的标题和内容。 2. 按小红书平台文案风格重新整理内容。 3. 加入 emoji 表情包，使文案更有活力。 4. 为文案配图片。 二期计划功能：持续优化升级，增加全网搜索热点功能，提炼热点新闻或事件关键信息，结合用户想要生成的内容方向输出文案和配图。 SOP+AI：打造职场高效能人士的秘密武器 案例分享：X 公司客服团队引入 SOP 和 AI 助手后，工作效率显著提升。引入 SOP 前，客服工作流程混乱，效率低下，客户满意度不高。引入 SOP 标准化操作后，效率提高。进一步引入 AI 助手，自动回复常见问题、处理简单请求，减少客服工作量，还能及时发现问题帮助优化。结果客服团队工作效率提升 30%以上，客户满意度显著提高。SOP 能提升效率、减少失误、促进协作，借助 AI 助手，SOP 制定和优化更高效智能。
2024-12-20
智能图书馆的技术价值
智能图书馆的技术价值主要体现在以下方面： RAG（检索增强生成）技术： 工作原理： 检索（Retrieval）：如同图书馆员根据描述从庞大知识库中找出相关书籍和文章，系统从知识库或文档集合中找到与用户问题相关的内容。 增强（Augmented）：类似图书馆员挑选出最相关段落和信息并汇总，大模型对检索到的信息进行筛选和优化，确保选中最相关和有用的信息。 生成（Generation）：如同图书馆员把汇总信息组织成连贯、易懂的回答，大模型将整合的信息生成自然流畅的回答。 综合解释：RAG 就像超级智能的图书馆员，先检索相关信息，再筛选优化，最后生成连贯回答。 优点： 成本效益：实现成本低于训练和维护大型专有模型。 灵活性：可利用多种数据源，包括结构化和非结构化数据，迅速适应不同领域和变化的数据。 可扩展性：随时增加或更新知识库内容，无需重新训练模型。 缺点：回答准确性不如专有模型的方案。 其他相关技术： DALLE 3：与 ChatGPT 结合，用户输入会话命令可获得匹配图像，改善了之前图像生成器的操作方式。 开放式有声读物集合：微软和麻省理工学院联手，使用文本转语音技术将 5000 本书转换为免费有声读物并在 Spotify 上提供。 AudioShake 的 AI 程序：可隔离预先录制音频的元素，分解成组成部分，解决老音乐音轨分离问题。 Ai Pin：磁性连接衣服成为 AI 助手，使用专有软件和 OpenAI 的 GPT，仅用声音就能完成多种操作。
2024-12-19
让ai生成情感语录怎么带动情绪价值
以下是关于让 AI 生成情感语录带动情绪价值的相关内容： 可以参考品牌咨询专家的观点和相关文章，如刘润老师关于「情绪价值的赛道，拼的不是营销情绪，而是说服人心」的文章，了解情绪营销的重要性和实施策略。 以具体的产品为例，如江小白（白酒，适合跟家人之间聊心事谈感情）、霸王茶姬（奶茶，原叶茶胚，口感清新自然，适合跟朋友郊游享用）、lululemon（女士运动紧身裤，轻盈柔滑，修身弹力），给定产品品牌、品类、特点或使用情境，让大模型生成营销语句。 作为 AI 博主，需提供“情绪价值”，通过信息和趣味内容缓解用户焦虑，例如分享有趣的 AI 动态和提示词，让用户感到学习 AI 是轻松有趣的事。 提示词的详尽程度取决于应用场景，简单提示适合快速了解长文内容，详尽提示适合深入分析。初步使用简单提示，依据反馈不断改进更高效，同时建议避免过多轮会话，减少模型产生“幻觉”的可能性。
2024-12-19
我是一个AI小白，我应该如何学习、使用和创造价值呢
对于 AI 小白，以下是学习、使用和创造价值的建议： 一、学习 AI 1. 了解基本概念 阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能的定义、主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始学习之旅 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习 AI 领域广泛，如图像、音乐、视频等，根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 持续学习和跟进 AI 是一个快速发展的领域，新的研究成果和技术不断涌现。关注 AI 领域的新闻、博客、论坛和社交媒体，保持对最新发展的了解。 考虑加入 AI 相关的社群和组织，参加研讨会、工作坊和会议，与其他 AI 爱好者和专业人士交流。 二、使用 AI 1. 体验 AI 产品 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 三、创造价值 1. 实践和尝试 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出自己的作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 如果希望继续精进，可以尝试了解以下内容作为基础： 1. AI 背景知识 基础理论：了解人工智能、机器学习、深度学习的定义及其之间的关系。 历史发展：简要回顾 AI 的发展历程和重要里程碑。 2. 数学基础 统计学基础：熟悉均值、中位数、方差等统计概念。 线性代数：了解向量、矩阵等线性代数基本概念。 概率论：基础的概率论知识，如条件概率、贝叶斯定理。 3. 算法和模型 监督学习：了解常用算法，如线性回归、决策树、支持向量机（SVM）。 无监督学习：熟悉聚类、降维等算法。 强化学习：简介强化学习的基本概念。 4. 评估和调优 性能评估：了解如何评估模型性能，包括交叉验证、精确度、召回率等。 模型调优：学习如何使用网格搜索等技术优化模型参数。 5. 神经网络基础 网络结构：理解神经网络的基本结构，包括前馈网络、卷积神经网络（CNN）、循环神经网络（RNN）。 激活函数：了解常用的激活函数，如 ReLU、Sigmoid、Tanh。
2024-12-02
AI对企业的价值
AI 对企业具有多方面的重要价值： 1. 在生物科技领域，AI 有助于将过去昂贵、人力密集、效率较低且难以获得的事物转变为更低成本、更高效、甚至更有效的“计算”，从而将服务转化为“计算”资源，使技术渗透到以前未受 IT 革命影响的行业。 2. 许多公司正将 AI 融入其工作流程，以此来快速达成 KPI、扩张规模和降低成本。例如，工作流程自动化平台 ServiceNow 通过 AI 驱动的 Now Assist，实现了近 20%的事件避免率；Palo Alto Networks 利用 AI 降低了处理费用的成本；Hubspot 利用 AI 扩大了能够支持的用户规模；瑞典金融科技公司 Klarna 通过将 AI 融入用户支持，在运行率方面节省了 4000 多万美元。 3. 对于中小企业，利用 AI 工具进行数据分析和洞察，能够分析大量的客户和市场数据，为企业的决策提供有力的数据支持。例如，深入理解客户行为、市场趋势和业务机会，为营销、产品开发等部门提供基于数据的建议和指导，将数据洞察转化为实际的业务策略，形成闭环，不断优化数据分析和业务决策，从而在竞争中获得优势，更精确地定位市场和客户，优化产品和服务。 不远的将来，有望看到 UX 和 UI 围绕 AI 的功能进行重新设计，开发全新的用户界面，以提供有价值的新体验。
2024-11-02
根据我的论文主题撰写一段引言：《通用人工智能时代的博弈论应用：数据科学与决策价值》
在当今科技飞速发展的时代，通用人工智能（AGI）的崛起正以前所未有的态势改变着我们的生活和社会。随着数据量的爆炸式增长以及决策环境的日益复杂，博弈论作为一门研究决策主体相互作用时的策略选择及均衡问题的学科，在通用人工智能时代展现出了独特的应用价值。 在数据科学领域，海量的数据为我们提供了丰富的信息，但如何从这些数据中提取有价值的知识并做出明智的决策，成为了一个关键挑战。博弈论的引入为解决这一问题提供了新的思路和方法。它帮助我们理解不同数据主体之间的竞争与合作关系，从而优化数据的采集、处理和分析过程。 在决策价值方面，通用人工智能系统需要在复杂多变的环境中做出最优决策。博弈论通过对不同策略的收益和风险进行分析，为决策提供了理论依据和数学模型，使得决策更加科学、合理和高效。 综上所述，研究通用人工智能时代的博弈论应用，对于推动数据科学的发展以及提升决策的价值具有重要的理论和实践意义。
2024-09-28
怎么最大限度使用chatgpt
以下是关于如何最大限度使用 ChatGPT 的一些方法和建议： 1. 产品经理使用方法： 需求及现状问题输入：在完成原 SQL 输入后，将真实的业务需求场景及现存问题输入给 ChatGPT，通过多轮输入输出的讨论，强化其对真实需求的认知。 根据优化结果不断调试：输入旧代码、需求和问题后，根据 ChatGPT 给出的新代码不断调试和优化，直至生成满足需求的新代码。例如，按照原 SQL 思路更新数据时存在资源浪费，通过与 ChatGPT 沟通得到优化建议，包括每次更新 1 天数据、创建中间结果表存储非二次计算数据、利用 CASE WHEN 合并查询约束条件基本相同的指标等。 2. 学习相关技巧： Prompt 有效并非因其理解想法：ChatGPT 只是预测下一个 Token，目前主要专注于文本输出，尚未具备与外部系统直接交互的能力，应用范围存在限制。 让效果更好的方法：使用搜索引擎时，通过精确描述问题可获得更高质量答案。激活更多神经元能增加获得高质量答案的可能性。 3. 写好提示词的技巧： 放开思路，激发更多想法。 采用 PUA 方式，如在回答后换话术继续引导，可适当鼓励但也要提出更高要求。考验创造力，未来想象很重要。
2024-12-09
在调用大模型的过程中，将token设置最大值，大模型回答还是会出现中断的情况，应该怎么避免和解决
在调用大模型的过程中，将 token 设置最大值但回答仍出现中断的情况，可以从以下几个方面避免和解决： 1. 调整相关参数： Max_output_tokens：根据具体需求设置合适的值。若需要更短响应，设为较低值；若希望更长回答，设为较高值。但注意设置过低可能导致回答在奇怪位置截断。 Temperature：值越小，模型返回结果越确定；值调高，可能更随机和具创造性。对于质量保障等任务设低，诗歌生成等创造性任务可适当调高。 Top_p：用于控制模型返回结果的真实性，需要准确和事实答案时调低，想要更多样化答案时调高。一般改变 Temperature 和 Top_p 其中一个参数即可。 Max Length：调整以控制大模型生成的 token 数，有助于防止生成冗长或不相关响应并控制成本。 Stop Sequences：指定字符串，模型生成文本遇到时停止，可控制响应长度和结构。 Frequency Penalty：对下一个生成的 token 进行惩罚，与 token 在响应和提示中出现次数成比例，减少单词重复。 2. 利用插入文本的最佳实践： 使用 max_tokens > 256，模型插入较长完成时效果更好，且只按实际生成 token 数收费。 优先选择 finish_reason == "stop"，表明模型成功连接后缀且完成质量良好。 重新采样 3 5 次，温度较高以增加多样性。若所有返回示例的 finish_reason 都是“length”，可能 max_tokens 太小，需考虑增加再重试。 尝试给出更多线索，通过提供示例帮助模型确定自然停顿处。
2024-11-18
AI在行政办公领域的最大化高效利用方法
以下是关于 AI 在行政办公领域最大化高效利用的相关内容： 拜登于 2023 年 10 月 30 日签署了 AI 行政命令，其中提到： 1. 为政府机构使用 AI 发布指导，包括明确保护权利和安全的标准，改进 AI 采购，并加强 AI 部署。 2. 通过更快速和高效的合同，帮助机构更快速、更便宜、更有效地获取特定的 AI 产品和服务。 3. 加速招聘 AI 专业人员，作为由人事管理办公室、美国数字服务、美国数字军团和总统创新奖学金领导的政府范围内 AI 人才激增的一部分。各机构将为各级相关领域的员工提供 AI 培训。 在其他方面： 1. 推动医疗保健领域负责任地使用 AI 并开发负担得起的救命药物，卫生与公众服务部将建立安全计划以接收和处理涉及 AI 的危害或不安全医疗实践的报告。 2. 通过创建资源支持教育工作者部署支持 AI 的教育工具，塑造 AI 在教育领域的潜力。 3. 为减轻 AI 对工人的风险，支持工人集体谈判的能力，并投资于所有人都能获得的劳动力培训和发展。制定原则和最佳实践以减轻 AI 对工人的危害并最大化其益处，解决工作岗位流失、劳动标准、工作场所公平、健康和安全以及数据收集等问题。制作关于 AI 对劳动力市场潜在影响的报告，并研究和确定加强联邦对面临劳动力中断（包括来自 AI 的）的工人支持的选项。 此外，AI 在科学领域不断改写着我们对世界的认知，例如在医疗领域，如乳腺癌筛查方面可能带来改进；在农业领域，通过机器人和 AI 应用于田间管理可提高效率等。
2024-10-16
目前国内最大的 ai 社区是什么
目前国内最大的 AI 社区是 WaytoAGI 社区。 WaytoAGI 是目前国内最大的免费开源 AI 知识库，其愿景是实现通用人工智能（AGI），让每个人的学习过程少走弯路，让更多的人因 AI 而强大。可以加入社区飞书群（见首页）。 短短一年间，靠着口口相传高达数千万的访问量，知识库有 AI 领域的最新进展、教程、工具和一线实战案例。引领并推广开放共享的知识体系，倡导共学共创等形式，孵化了 AI 春晚，离谱村等大型共创项目。WaytoAGI 不仅是一个普通的技术社区，更是一个汇聚行业顶尖创作者和 KOL 的思想交流平台。社区制作的优质作品，多次登上央视首页，广受好评。
2024-09-18
目前中国最大的 ai 社群是什么
目前国内最大的 AI 社群是 WaytoAGI 。WaytoAGI 是一个免费开源的 AI 知识库，短短一年间靠着口口相传拥有高达数千万的访问量。其愿景是实现通用人工智能（AGI），让每个人的学习过程少走弯路，让更多的人因 AI 而强大。可以加入社区飞书群（见首页）。该社区不仅有 AI 领域的最新进展、教程、工具和一线实战案例，还是一个汇聚行业顶尖创作者和 KOL 的思想交流平台，社区制作的优质作品多次登上央视首页，广受好评。
2024-09-18
最大似然函数
最大似然估计是估计分布的一种直接方法。先假设分布的形式，如假设 x 来自多元高斯分布，其中高斯分布的维度和图片的像素个数一致，待定参数如 。此时似然估计函数为 ，通过梯度下降或公式推导求解出最佳参数，从而求得分布。但这种方法有明显弊端，一是形式未知，需要丰富的领域知识才能确定分布形式，对于复杂问题只有上帝才知道分布的参数化表达式；二是参数量的空间太大，像 ImageNet 这种情况，是 150528 元高斯分布，需要海量数据才能估计准确。
2024-09-05