1.砌磚視頻技巧視頻

大型語言模型（LLM）功能的快速改進(jìn)使它們能夠處理范圍廣泛的任務(wù)，但仍有許多問題無法解決新的研究表明，讓 LLM 將工作外包給規(guī)模較小的專業(yè) AI 可以顯著擴(kuò)大其范圍當(dāng)今領(lǐng)先的 LLMs 能夠取得一些令人印象深刻的成就，包括在美國律師協(xié)會考試中取得優(yōu)異成績和編碼視頻游戲。

2.砌磚技巧視頻教程

但他們的能力本質(zhì)上仍然主要是語言方面的正在努力使這些模型能夠處理更多不同類型的數(shù)據(jù)并解郵資查詢決更廣泛的問題例如，OpenAI 最大的 GPT-4 模型是多模式的，在接受了語言和圖像數(shù)據(jù)的訓(xùn)練后，現(xiàn)在可以分析圖片和文本。

3.砌磚視頻教學(xué)視頻

美國新澤西州羅格斯大學(xué)（Rutgers University）的研究人員認(rèn)為，與其試圖創(chuàng)建一個(gè)能解決各種問題的全能模型，不如加強(qiáng)利用已經(jīng)為解決更專業(yè)問題而優(yōu)化的專業(yè)人工智能系統(tǒng)他們的新方法允許人類用自然語言描述任務(wù)，然后 LLM 再將幾個(gè)專業(yè) AI 拼湊在一起，從而在使用之前對其進(jìn)行分析。

4.砌磚的視頻

負(fù)責(zé)該項(xiàng)目的羅格斯大學(xué)助理教授張永鋒表示，這種類似于 Stickle Brick 的 AI 方法，可以將幾十年來 AI 取得的所有突破，整合到一個(gè)單一郵資查詢的通用多面手系統(tǒng)中「這些 LLM 具有一些基本能力，可以操縱不同的工具和模型來解決一些基本任務(wù)。

5.砌磚視屏

」他說，「隨著越來越多的模塊、工具和領(lǐng)域?qū)＜夷Ｐ偷募尤耄@些模型自然會擴(kuò)展它們解決更多不同任務(wù)的能力」張永鋒團(tuán)隊(duì)創(chuàng)建了一個(gè)名為 OpenAGI 的軟件平臺，該平臺可以將各種預(yù)訓(xùn)練的 LLM 同其他特定領(lǐng)域的 AI 模型連接在一起。

6.砌磚最快最好的方法視頻

在最新的預(yù)印本中，他們描述了三種 LLM 的實(shí)驗(yàn)——OpenAI 的 GPT-3.5、META 的 LLaMA 和谷歌的 FLAN-T5——以及許多專門從事情感分析、翻譯、圖像分類、圖像去模糊、圖像字幕和文本到圖像生成等任務(wù)的小型模型。郵資查詢

7.砌磚技巧教程

論文鏈接：https://arxiv.org/abs/2304.04370開源鏈接：https://github.com/agiresearch/OpenAGI用戶向 LLM 提供任務(wù)的自然語言描述和相關(guān)數(shù)據(jù)集。

8.砌磚高手視頻砌墻

一個(gè)例子可能是「給定一個(gè)模糊的灰度圖像，我們?nèi)绾位卮痍P(guān)于它的書面問題？」 LLM 分析任務(wù)并制定解決問題的分步計(jì)劃，使用 AI 模型的自然語言描述來確定將哪些拼湊在一起以及以什么順序拼湊在這個(gè)例子中，這可能涉及使用去模糊模型來提高圖像質(zhì)量，然后是另一個(gè)可以為照片著色的模型，最后是一個(gè)可以回答有關(guān)圖片問題的模型。

9.新手砌磚技巧教學(xué)視頻

張永鋒表示，這種郵資查詢方法的強(qiáng)大之處在于它搭載了人類語言的巨大表達(dá)能力，可以用來解釋幾乎任何問題或模型能力「要真正開發(fā)通用人工智能系統(tǒng)，人類應(yīng)該開發(fā)某種技術(shù)方法，以一種數(shù)據(jù)格式統(tǒng)一不同的挑戰(zhàn)」張永鋒說，「語言自然而然地充當(dāng)了描述許多不同任務(wù)的媒介。

10.砌磚工砌磚技巧視頻

」羅格斯大學(xué)的團(tuán)隊(duì)并不是唯一探索這種方法的團(tuán)隊(duì)上個(gè)月，微軟和浙江大學(xué)的研究人員推出了一個(gè)名為 HuggingGPT 的系統(tǒng)，它將 OpenAI 的 ChatGPT 服務(wù)連接到 Hugging Face 的人工智能模型庫。

用戶提供他們想要完成的任務(wù)的自然語言解釋，ChatGPT 將制定計(jì)劃，選擇并運(yùn)行完成任務(wù)所需的模型，然后將結(jié)果編譯成自然語言響應(yīng)供郵資查詢用戶使用張永鋒說，這兩種方法之間的一個(gè)顯著區(qū)別是 HuggingGPT 依賴于一種只能通過公司 API 訪問的模型。

羅格斯大學(xué)團(tuán)隊(duì)的方法與 LLM 無關(guān)并且是開源的這方面的一個(gè)優(yōu)點(diǎn)是它可以訓(xùn)練 LLM 更好地應(yīng)對任務(wù)規(guī)劃挑戰(zhàn)，無論是使用人工設(shè)計(jì)的示例還是使用對其性能的反饋來重新訓(xùn)練模型在測試中，該小組表明，只有通過公司 API 才能訪問的具有 170 億個(gè)參數(shù)的 GPT-3.5，在沒有向模型提供有關(guān)如何解決問題的提示或僅提供少量示例的提示時(shí)，取得了最佳結(jié)果。

但是，當(dāng)使用性能反饋對只有 7.7 億個(gè)參數(shù)的 FLAN-T5 進(jìn)行再訓(xùn)練時(shí)，它在無提示場景下的表現(xiàn)明顯優(yōu)于 GPT-3.5OpenAGI郵資查詢 和 HuggingGPT 都是最近將 LLM 鏈接到其他 AI 模型和數(shù)字工具的重要研究，通常使用 API。

其他突出的例子包括微軟的 TaskMatrix.AI、Meta 的 Toolformer 和艾倫研究所的 VISPROGGoogle Brain 的軟件工程師 Mahesh Sathiamoorthy 表示，無論是將任務(wù)卸載到其他 AI 模型還是更簡單的軟件，其想法都大同小異。

他認(rèn)為，與多模式訓(xùn)練方法相比，這種方法可能是提高未來人工智能能力的更有希望的途徑他在一封電子郵件中寫道：「一個(gè)可以完成所有工作的模型在質(zhì)量方面可能會更好，但訓(xùn)練和服務(wù)這樣的模型是不切實(shí)際的……我們已經(jīng)擁有許多優(yōu)秀郵資查詢的特定領(lǐng)域模型和特定領(lǐng)域的知識庫（例如谷歌）。

所以更容易使用它們」然而，德國波茨坦大學(xué)計(jì)算語言學(xué)教授 David Schlangen 對羅格斯大學(xué)團(tuán)隊(duì)為他們的模型起的名字提出異議AGI 代表「通用人工智能」，指的是一種假想的 AI 系統(tǒng)，它模仿人類所見的通用智能。

雖然這些新模型確實(shí)是推動(dòng) LLM 超越簡單處理文本任務(wù)的嘗試，但 Schlangen 表示，它們?nèi)匀粵]有提供解決關(guān)鍵缺陷的方法，例如編造事實(shí)的傾向「這不能算『通用人工智能』框架，充其量是一種誤導(dǎo)」他說相關(guān)報(bào)道：

https://spectrum.ieee.org/large-language-models