1
Vitta 2022-12-07 14:06:44 +08:00
问他个 flutter Semantics 的问题都不告诉我
|
2
FishingRabbit 2022-12-07 14:54:37 +08:00
确实很强,我试了下之前百度谷歌很久没找到答案的问题,它直接就给我解决了,太强了,省去了长时间搜索找答案的过程
|
3
lifanxi 2022-12-07 15:16:10 +08:00 3
要小心,它经常会一本正经地告诉你一个看上去头头是道的答案,推理、分析都很详尽,代码也有模有样,但是实际上是完全错的。
|
4
shinession OP @lifanxi 是的,我有看到别人贴的长回答, 车轱辘话一堆.
|
5
yazoox 2022-12-07 16:30:38 +08:00
China 不支持,你是怎么注册帐号玩这个的? thx
|
7
ciming 2022-12-07 17:29:20 +08:00
|
8
silencil 2022-12-07 17:55:26 +08:00
我直接提了个列表转树的需求,把数据结构输进去,给出的答案是递归,代码完全能用,甚至命名都不需要修改,只需要加我自己要使用的其他业务逻辑。
|
10
updateing 2022-12-07 18:07:49 +08:00 via Android
@shinession 甚至不一定是车轱辘话,我遇到过它有板有眼地告诉我去运行一个根本不存在的指令
|
11
xieqiqiang00 2022-12-07 19:33:03 +08:00 via Android
@updateing 你要指出这是错的,他会改正
|
12
lifanxi 2022-12-07 22:10:50 +08:00
|
13
shinession OP @lifanxi 不可能 100%信任 AI 的, 要不然还要程序猿干嘛? 不过用在学习语言还不错, 至少我们熟悉一种语言,可以判断结果是不是正确的
|
14
amwyyyy 2022-12-08 10:50:54 +08:00
现有一笼子,里面有鸡和兔子若干只,数一数,共有头 14 个,腿 38 条,求鸡和兔子各有多少只?
鸡兔同笼问题它能答对不 |
16
aigonna 2022-12-08 12:43:41 +08:00
下面是一个使用 PyTorch 实现知识蒸馏的简化代码例子:
# 首先,我们需要导入必要的库 import torch import torch.nn as nn # 定义数据集 X = ... # 输入数据 y = ... # 标签 # 定义大型预训练模型 pretrained_model = ... # 使用大型预训练模型对数据集进行预测 # 这些预测将作为辅助标签 soft_labels = pretrained_model(X) # 定义较小的模型 small_model = ... # 定义损失函数 # 这里,我们将使用交叉熵损失函数 # 并将辅助标签作为目标 loss_fn = nn.CrossEntropyLoss(reduction="mean") loss = loss_fn(y, soft_labels) # 使用随机梯度下降优化器优化模型参数 optimizer = torch.optim.SGD(small_model.parameters(), lr=0.001) optimizer.zero_grad() loss.backward() optimizer.step() NLP 也凑合能用 |
17
shinession OP @amwyyyy 假设鸡有 x 只,兔子有 y 只,鸡和兔子的腿总数量可以用如下方程来表示:
2x + 4y = 38 鸡和兔子的头总数量可以用如下方程来表示: x + y = 14 现在我们已经有了两个方程,就可以求出 x 和 y 的值。首先,我们可以把第二个方程中的 y 带入第一个方程中,得到: 2x + 4(14 - x) = 38 化简得到: 2x + 56 - 4x = 38 再次化简得到: -2x = -18 因此,x = 9 。由于 x + y = 14 ,所以 y = 14 - 9 = 5 。因此,鸡有 9 只,兔子有 5 只。 总结一下,当鸡和兔子的头总数为 14 个,腿总数为 38 条时,鸡有 9 只,兔子有 5 只。 试了一下, 没问题 |
18
zzm88104 2022-12-12 19:15:11 +08:00 via iPhone
我经常质疑他,他就很快承认错误,再给你正确答案。或者你说自己的理解,跟他确认,他会告诉你他认不认可。这些特点其实跟人很像啊,而且是个智者了
|