关于大模型数据生成的进化的探讨

        显而易见的,大模型有诸多优缺点,关于其如何通过神经网络生成文本的能力暂且不论。         

        本篇通过简单提问映射目前大模型对数据的定位和整合的能力的升级。首先是初代大模型的数据定位、整合和输出。如下图

0eb9fdaa7c6643ea938692c1fdd4c423.jpg

addf29f74e1643f9a32b4e0876cd1409.jpg 5fd2f7ea4b2e4df78b2b92cc1a2c9965.jpg

      可以看出,初代大模型,在对于问题信息和数据之间的定位关联问题上,有很大的偏差,并且数据单一,没有明显的判断思路。造成这一类结果的原因,很有可能是因为数据单一,或者算法运行的单一。我的问题中有明显的虚构对象,但是模型无法识别。

        接下来看一看,经过多次升级的大模型的回复。

84d33aee6a264783842e1c874933a91c.jpg

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值