1.砌磚視頻技巧視頻

大型語(yǔ)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(wú)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(guó)律師協(xié)會(huì)考試中取得優(yōu)異成績(jī)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(yǔ)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(yǔ)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(guó)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(yǔ)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(duì)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(lái) 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(lái)解決一些基本任務(wù)。

5.砌磚視屏

」他說(shuō)，「隨著越來(lái)越多的模塊、工具和領(lǐng)域?qū)＜夷Ｐ偷募尤?，這些模型自然會(huì)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(tái)，該平臺(tái)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(yǔ)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(yǔ)言描述來(lái)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(lái)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(yǔ)言的巨大表達(dá)能力，可以用來(lái)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(shuō)，「語(yǔ)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(kù)。

用戶提供他們想要完成的任務(wù)的自然語(yǔ)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(yǔ)言響應(yīng)供郵資查詢用戶使用張永鋒說(shuō)，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(wú)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(duì)任務(wù)規(guī)劃挑戰(zhàn)，無(wú)論是使用人工設(shè)計(jì)的示例還是使用對(duì)其性能的反饋來(lái)重新訓(xùn)練模型在測(cè)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(duì)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(wú)提示場(chǎng)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(wú)論是將任務(wù)卸載到其他 AI 模型還是更簡(jiǎn)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(lái)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(huì)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(shí)庫(kù)（例如谷歌）。

所以更容易使用它們」然而，德國(guó)波茨坦大學(xué)計(jì)算語(yǔ)言學(xué)教授 David Schlangen 對(duì)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(jiǎn)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(shuō)相關(guān)報(bào)道：

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