AIパーソナル・ラーニング
と実践的なガイダンス
讯飞绘镜

AI知識 11ページ

インテント:ゼップは、大きなモデルに顧客のインテントを理解させる方法を説明している。

自然言語処理(NLP)において、意図とはユーザーが何らかの目的、欲求、願望を表現することを指す。ユーザーが送信したメッセージを分析し、その背後にある意図を特定することで、適切なコンテンツを返信することができます。例えば、「食べ物を注文する」、「天気を調べる」、「パリに行きたい」などはすべて有効な意図です。 チャットボットのために...

从神经网络到 Hugging Face——神经网络和深度学习简史-首席AI分享圈

ニューラルネットワークからハグする顔まで - ニューラルネットワークとディープラーニングの簡単な歴史

TL;DR この8200字を超える記事は、全部読むのに15分ほどかかる。この記事では、知覚機械からディープラーニングの最新のビッグモデル応用であるChatGPTの歴史を簡単にレビューする。 元記事: https://hutusi.com/articles/the-history-of-neural-networks 人生に恐れるものは何もない。

Tokenization(分词标记化)-首席AI分享圈

トークン化

皆さんこんにちは、今日はラージ・ランゲージ・モデリング(LLM)における分詞のテクニックを探ります。残念ながら、曖昧性解消は現在のトップクラスのLLMではより複雑で厄介な部分ですが、その詳細を理解することはとても必要なことです。

利用STORM:构建基于互联网搜索编写维基百科式文章-首席AI分享圈

STORMの活用:インターネット検索ベースのオーサリングのためのウィキペディア風記事の構築

論文:https://arxiv.org/abs/2402.14207 LLMに、信頼できる情報源に基づき、ゼロから長い記事を書くことを教えられるだろうか? ウィキペディア編集者は、これが彼らの役に立つと思うか? インターネット検索に基づいてウィキペディア風の記事を書くシステム、STORMを発表します。私は現在、...

LangChain计划执行型智能体-首席AI分享圈

ラングチェーン・プロジェクト エグゼクティブ・インテリジェンス

計画実行インテリジェンスは、タスク実行に対して、これまでの設計よりも高速で、コスト効率がよく、性能の高いソリューションを提供します。この記事では、LangGraphにおける3つの計画インテリジェンスの構築について説明します。 LangGraphプラットフォームでは、"計画-実行 "モードで3つの構造のインテリジェンスを導入しています。これらのインテリジェンス ...

CoD:密度链-首席AI分享圈

CoD:密度の連鎖

Original: https://arxiv.org/pdf/2309.04269 Quick Read: "From Sparse to Dense: GPT-4 Summary Generation Using Chained Density Hints" Recorded in: Summary Knowledge Commonly Used Prompts Summary 自動テキスト要約に含めるべき「適切な」情報量を決定することは、困難な作業である。自動要約に含めるべき「適切な」情報量を決定することは、難しい課題である。

ChatGPT カスタムコマンド FAQ

概要 カスタムディレクティブ機能では、ChatGPTに考慮させたい情報を共有することができます。 あなたの指示は新しい会話に適用されます。 利用可能性 すべてのエンドポイント Web、iOS、Android データの使用方法 今後の会話用にいつでも編集することができます。

BM25

はじめに なぜ彼を別々に紹介するかというと、多くのシナリオはGPT3埋め込みベクトル表現を適用し、効率と結果は常に注意を払う必要がある伝統的なモデルほど良くないかもしれません。 BM25はベクトル空間モデルですが、単語ベクトルモデル、文書ベクトルモデル、画像ベクトルモデル、知識グラフベクトルモデル...には属しません。

ja日本語