大語言模型
含有「大語言模型」共 36 篇內容
全部內容
發佈日期由新至舊
本文介紹了目前主要的LLM提供商，包括OpenAI、Google、Meta、Anthropic及Microsoft，並且探討了選擇LLM提供商時的考量因素。文章還預測了LLM的未來發展趨勢，如模型小型化、多模態模型及更廣泛的應用。透過比較不同提供商的特點，幫助讀者選擇適合的LLM以滿足他們的需求。
「 LLM 讓自動駕駛變暖男、到貨不準時客人不回購、零售科技用遊戲獎勵養理想來客 」
選些每週看到有趣的新聞新知，有商業、有零售、有科技新知，重不重要是其次，有趣才有看的價值。
Liquid AI，一家從麻省理工學院衍生的創新公司，正開發一種全新的AI模型，以「第一原理」為基礎，突破傳統GPT框架的限制。這些模型強調因果關係、可解釋性以及環境永續性，目標是提高AI的效率與透明度，特別適用於特定領域與通用系統。Liquid AI 並有望成為未來 AI 發展的新標竿。
本文介紹大型語言模型（LLM）的基礎概念和當前主流模型，包括OpenAI的ChatGPT、Google的Gemini、Meta的Llama、Anthropic的Claude和AI21 Labs的Jurassic。LLM具有強大的自然語言處理能力，LLM的發展將持續影響人類的交流和資訊處理方式。
本篇文章將幫助讀者深入瞭解人工智慧（AI）的基本概念及其涉及的多項重要技術，包括機器學習、深度學習、類神經網絡等關鍵詞。透過對這十個關鍵詞的系統解析，讀者能夠掌握AI的基礎，進而展開對AI領域的深入學習。文章鼓勵讀者留言提問，以便獲得更直接的解釋，助力AI學習之旅。
今天看到有人在微信po說用大模型翻譯藏文文獻比較，因此想說引用記錄下來，免的之後看不到了。
我目前沒有試用過，大家可以自己試試看！
原文參考自：如何用大模型翻譯藏文文獻
以下正文
1.翻譯品質對比
claude 3.5 sonnet某些層面上比Openai的Gpt4.0要好，對內容有註釋
1. 低估大語言模型對學術研究的深遠影響：
- 許多碩博士生可能認為大語言模型僅僅是處理文字的工具，沒有意識到它們在學術研究中的潛力。例如，這些模型能協助快速整理文獻、生成初步的研究報告，甚至提供語言上的支持來幫助撰寫論文。如果未能充分了解大語言模型的強大功能，就可能錯過使用這些工具來提升研
步驟 1: 計劃每天花點時間學習大語言模型的技術部分。
步驟 2: 選擇合適的教材。我選擇了Manning出版的《Build a Large Language Model (From Scratch)》，這本書有配套的程式碼和詳細的講解，是我信賴的學習素材。
步驟 3: 瀏覽教材中的程式
機器其實不是像人類這樣一的單字對應一個單字去翻譯， 而是使用「編碼器 Encoder」與「解碼器 Decoder」來做語言之間的翻譯。 其中編碼器的任務，是「閱讀 Read」與「處理 Process」完整的文本， 而解碼器的任務，則是「產生 Produced」翻譯過後的文本。
而「戲法人人會變，巧妙各有不同」， 則是在擁有技能後，不斷精益求精，進一步發展出的「技藝 Art」。 而AI 如何充實 (Enrich)，擴展 (Expand)，強化 (Amplify) 技能發展 (Skill Development)呢？