AI大模型初体验

简介: 为了实现真正的A,需不断学习以提升能力。


参考文档

跟着参考文档体验了网站、微信、叮叮的AI小助手流程,文档详实,图文并茂,基本上每个步骤都可以找的到,超链接直接访问各平台模块,对初学者很友好。

实验流程

每个实验都很有代表性,非常接近实际的业务场景,通过场景化的实验,可以快速体验大模型的应用,能为我们做些什么。AI小助手总用各种各样的问题需要回答,每个实验的拓展部分,可以帮助我们了解的更深入,录入学习资料,让小助手学的更多。


扩展部分

再完成了几个经典实验后,对阿里云百联大模型有了初步认知,模型广场有N+大模型,通义千问就多不下10种分之,每个有啥区别。模型广场可自定义体验,多问几个问题对比下。

我先是问了实时性的问题,现在几点了,得知 这事一个预先训练的模型,无法提供实时信息。

4.png

然后预测了下未来五天的天气,同样告知无法获得即时信息。

2.png 经过上面两个提问,判断大模型是不连网络,没有即时信息的,还需验证是否连接到网络。

1.png 得知:没法做到“小度、小度”智能语音音响那种实时性的信息回答。AI离线训练的大模型,比较底层。像是一个小婴儿,需要一口一口的喂他吃饭,他还不会自己觅食。

3.png

所以想要一个真AI的小助手,还需要不断的让他学习,添加更多的知识库。

PS:即时信息怎么回答呢,感觉是另外一个维度,还需要再深入学习。


相关文章
|
24天前
|
存储 人工智能
|
4天前
|
机器学习/深度学习 人工智能 自然语言处理
赋能百业:多模态处理技术与大模型架构下的AI解决方案落地实践
【9月更文挑战第4天】赋能百业:多模态处理技术与大模型架构下的AI解决方案落地实践
赋能百业:多模态处理技术与大模型架构下的AI解决方案落地实践
|
5天前
|
机器学习/深度学习 人工智能 自然语言处理
AI人工智能大模型的架构演进
随着深度学习的发展,AI大模型(Large Language Models, LLMs)在自然语言处理、计算机视觉等领域取得了革命性的进展。本文将详细探讨AI大模型的架构演进,包括从Transformer的提出到GPT、BERT、T5等模型的历史演变,并探讨这些模型的技术细节及其在现代人工智能中的核心作用。
31 9
|
14天前
|
机器学习/深度学习 人工智能 自然语言处理
AI战略丨物流 AI 新变化,用大模型定义
物流企业在大模型上纷纷主动探索,也在推动物流行业实现智能化加速。
|
12天前
|
人工智能 JSON 自然语言处理
你的Agent稳定吗?——基于大模型的AI工程实践思考
本文总结了作者在盒马智能客服的落地场景下的一些思考,从工程的角度阐述对Agent应用重要的稳定性因素和一些解法。
|
14天前
|
人工智能 算法 测试技术
AI战略丨大模型重塑长安新汽车新场景
长安科技内部一边基于大模型进行技术研发,一边也在不断反思:大模型究竟还能带来什么?长安科技最初是希望将尽可能多的控制能力接入到大模型中,如今,其对大模型的能力有了新的理解。
|
14天前
|
数据采集 人工智能 自然语言处理
AI战略丨赋能更好的教育, 大模型应用再提效
采用成熟厂商的解决方案,不仅仅是因为过硬的技术,还有对客户业务的理解,以及顺畅的沟通和服务能力。
|
21天前
|
人工智能 分布式计算 数据处理
Big Data for AI实践:面向AI大模型开发和应用的大规模数据处理套件
文叙述的 Big Data for AI 最佳实践,基于阿里云人工智能平台PAI、MaxCompute自研分布式计算框架MaxFrame、Data-Juicer等产品和工具,实现了大模型数据采集、清洗、增强及合成大模型数据的全链路,解决企业级大模型开发应用场景的数据处理难题。
|
19天前
|
人工智能
ACL 2024 Oral:大模型也会被忽悠?揭秘AI的信念之旅
【8月更文挑战第28天】清华大学、上海交通大学、斯坦福大学和南洋理工大学的研究团队最新研究表明,即使是在训练过程中积累了大量知识的大语言模型(LLMs),如ChatGPT和GPT-4,在面对误导性信息时仍可能产生错误信念。研究者为此创建了Farm数据集,以系统性地生成误导信息并测试LLMs在说服性对话中的表现。结果显示,即使是先进如GPT-4,其信念也有20.7%的概率被改变。该研究不仅揭示了LLMs潜在的脆弱性,还提供了评估其鲁棒性的方法,对未来提升LLMs的安全性和准确性具有重要启示作用。论文详细内容可见[此处链接]。
35 5