 |
1
forbreak Mar 31
个人理解错了勿喷。 现在的大模型是大语言模型靠的是黑盒计算，每个字后面的字出现的概率来实现回答的。 训练资料里面那个概率大就输出那个，并不能保证一定正确。 所以才有 ai 投毒污染回答。 所以不是 ai 全知全能是 ai 预测了你这个问题的回答，每个字应该出现的顺序。 单独一个专业的资料可能不够投喂到 ai 大模型能够正确预测的水平。
|
 |
2
AEDaydreamer Mar 31
都是通用模型, 但是很多冷门知识质量不高, 准确率也有限.
|
 |
3
sjdhome Mar 31
大模型是一个概率模型，默认情况下的水平是看它的训练程度。如果能直接给它提供领域内的一手资料，能答得更好。
|
 |
4
cairnechen Mar 31
/t/1202034
昨天别的帖子里讨论过： 未来应该有且只有通用的 agent （模型），垂直领域的知识会内化成通用模型的能力 场景→方案，是软件的思维方式。模型时代，是训练→获得通用能力→微调/提示词工程解决行业问题的思路。 |
 |
5
jifengg Mar 31
很多专门出“Code”的大模型，不就是在编程方面更精通么？
也有专精“数学”的大模型。 另外新闻经常看到医疗方面的大模型 |
 |
6
Chicagoake Mar 31
具体要看训练数据，比如阿里的阿福是医疗咨询类，你问他疾病、用药问题获得的答案大概率比编程类获得的回答更好。（这里用更好，而不是更对、更准确）
|
 |
7
Dispatcher Mar 31
取决于样本和 nn 。
如果样本有，那么可以娓娓道来，如果样本没有，但是训练过类似的，那么可以胡编乱造；如果样本没有，且训练不好，那么就是无法回答。 ai 模型的能力边界取决于样本，所以无法回答无解问题，比如核聚变可行性方案，超光速飞船，但是可以回答你认知外它却知道的东西，对于很多人来说是打开了新世界大门。 ai 不擅长完整回答，比如说让它一字不差输出《海边的卡夫卡》，肯定不行。但是它可以输出大意，因为它不是完整保存数据，而是拆成一个个字、词，记住字词的对应关系。 |
 |
8
bu9 Mar 31
大语音模型理解你的意思，专家模型回答你的问题。 豆包背后是海量模型调度。
|
Select Language