幻觉

最新推荐文章于 2025-01-13 01:00:00 发布
最新推荐文章于 2025-01-13 01:00:00 发布
阅读量912 收藏 1
点赞数
文章标签： 语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/graceminc/article/details/5791897
版权

所有的一切好像很不真实，因为--什么都不知道。

所有的感觉却是真实的，难受、想念、紧张、开心、幸福。

很多东西用语言表达不出来

但在血液里起着微妙的反应

很模糊

或许就是因为朦胧，才会觉得美好

人生很有意思

我们永远都不知道下一秒是什么

即便如此

我们总还是会期待

期待能了解、把握、掌控

可什么能被控制

不知

所以

这刻如果有感觉了

静静的去感受即可

即使心跳加速

也只能让脉搏知道

淡定

每秒扫过的都是历史

享受历史带来的快感

认真对待当下

不悲

不喜

珍惜

 

 

 

------------------病得不轻，高烧不退，胡言乱语开了。

 

一文读懂LLM的「幻觉」问题
女王の专属领地
01-05 3380
1、幻觉定义大模型生成看似合理的内容，其实这些内容是不正确的或者是与输入Prompt无关，甚至是有冲突的现象，即生成与用户输入不符、与先前生成的内容矛盾或与已知世界知识不符的内容。2、幻觉类型输入冲突幻觉Input-conflicting：生成的内容与用户提供的输入不符；输入冲突幻觉指的是LLM生成的内容与用户提供的源输入（①任务指示：例如用户对摘要的提示和②任务输入：例如需要摘要的文档）不一致。当LLM生成的内容偏离用户的输入时，就会出现这种幻觉。
深度解析AI幻觉现象及其对DeepSeek的影响与解决方案
02-24
内容概要：本文全面介绍了AI幻觉的概念、原因及评估方法，详细探讨了DeepSeek大模型在金融行业和语音识别领域的具体应用案例，并深入剖析了由幻觉造成的潜在风险及相应的缓解措施。同时，阐述了AI幻觉所带来的创造性...
大模型系列——幻觉
hang on it more longer
10-23 2249
信息抽取模型可直接使用大模型本身来抽取，也可以使用现有的信息抽取模型 需要一个信息抽取模型 需要评测基准验证该评估方法的可行性，并与人类对齐 https://arxiv.org/pdf/1905.13322 待定⌛️ 效果一般，且需要依赖较为复杂且可靠的信息抽取模型。例如，大型语言模型（LLMs）可以从生成性反馈循环中显著受益，通过Milvus这样的开源向量数据库，可以高效地存储和检索编码文本数据语义的向量表示，从而创建一个不断学习和改进的动态系统。
【必须知道】LLM大模型幻觉(hallucination)的成因和处理测试
longxiaotian718的博客
10-09 1657
大模型的幻觉，即是指大模型的生成结果中包含了无根据的或错误的内容，生成结果中不可避免的存在着事实编造，这类问题被称为幻觉问题。模型能力越强大，生成结果的语言越流畅，与用户的交互越自然，用户就越不容易分辨出结果的真伪，幻觉问题的潜在危害性就越大。幻觉一词来自英文文献中的 "hallucination" 的翻译，根据 Merriam Webster 词典的解释，幻觉是无根据的或错误的表达或看法（an unfounded or mistaken impression or notion）。
【LLM】大模型幻觉问题的原因和缓解方法
发现问题，并解决问题，批判性思维
10-03 6755
一、幻觉定义 备注（下面提及的两个名词）： Faithfulness：是否遵循input content； Factualness：是否符合世界知识； 传统nlp任务重，幻觉大多数是faithfulness，比如Intrinsic Hallucination（冲突），摘要内容和document内容有冲突；再比如Extrinsic Hallucination（无中生有），生成内容中包含input要求的其他杂七杂八虚假信息；但LLM应该考虑的幻觉Factualness，因为数据源是Open-doman的世界知
聊一聊大模型幻觉问题及其解决方案
Kaiyuan_sjtu的博客
11-07 432
导读大模型幻觉问题在大模型应用过程中，非常阻碍实际业务落地。解决该问题是一项复杂的系统工程任务，需多角度综合探索。业界正通过持续的研究与实践，寻找更有效的检测与缓解策略，以提升大模型的可靠性、安全性与实用性。本文将从五个方面探讨大模型幻觉问题，具体探讨内容如下：1.什么是大模型幻觉问题2.360 可信大模型的幻觉解决方案3.360 可信大模型应用案例4.360 可信大模型的未来探索5....
LLM 中的外在幻觉
安静的软件工程师
07-19 1048
LLM 中的外在幻觉
检测和缓解大型视觉语言模型中的幻觉现象：基于细粒度AI反馈的方法
Together_CZ的博客
01-13 1069
检测和缓解大型视觉语言模型中的幻觉现象：基于细粒度AI反馈的方法 Detecting and Mitigating Hallucination in Large Vision Language Models via Fine-Grained AI Feedback
RAG减少LLM幻觉研究
人工智能前沿分享
06-19 985
大型语言模型（LLMs）如ChatGPT和ChatGLM在多个领域展现出了卓越的通用能力。然而，这些模型在提供信息时仍面临着严重的挑战，包括事实性幻觉、知识过时以及缺乏特定领域的专业知识。为了解决这些问题，研究者提出了检索增强生成（Retrieval-Augmented Generation, RAG）的方法，通过引入外部知识来提升LLMs的准确性和可靠性。
一份全面的大模型「幻觉」综述
u012744245的博客
11-21 3602
，来自腾讯AI实验室和一些国内大学的研究团队，综述提出了LLM幻觉现象的分类法和评估基准，分析旨在减轻LLM幻觉的现有方法，并确定未来研究的潜在方向。将重点放在解决与数据相关的幻觉、与训练相关的幻觉和与推理相关的幻觉的方法上，每种方法都提供了量身定制的解决方案，以应对各自原因所固有的特定挑战。）从LLM幻觉的创新分类方法出发，深入探究了可能导致幻觉的因素，并对检测幻觉的方法和基准进行了概述。目前在LLM幻觉问题上已经有无数的研究，比如关于幻觉的检测、幻觉的评估基准分类、缓解幻觉的方法等。
详解大规模基础模型中的幻觉问题（幻觉检测、缓解、任务、数据集和评估指标）
AIGCer的博客
10-11 3630
在大规模基础模型中，幻觉输出的生成是一个关键挑战，特别是在高风险应用中。这种倾向可能影响模型的可靠性和准确性。
清华大学最新学习教程《DeepSeek与AI幻觉》
02-19
内容概要：本文详细介绍了清华大学双聘教授张家铖关于DeepSeek及其AI幻觉的研究成果，涵盖了AI幻觉的概念与成因，如何评估和缓解幻觉的风险，以及幻觉的潜在创造性应用。具体而言，文中首先解释了什么是AI幻觉，探讨...
2025清华：DeepSeek与AI幻觉.pdf
02-21
随着人工智能技术的快速发展，AI幻觉逐渐成为业界关注的焦点问题。AI幻觉指的是人工智能系统在生成内容时产生的与事实不符、逻辑断裂或者脱离上下文的现象。这一现象在自然语言处理、语音识别等多个领域均有表现，并...
DeepSeek提示词设计、幻觉避免与应用.pdf
03-15
DeepSeek提示词设计、幻觉避免与应用正是围绕这一需求展开的探讨。 在人工智能领域，提示词（prompt）指的是向AI系统提出的问题或指令，是用户与AI进行交互的基础。在早期的AI应用中，用户往往需要通过复杂的编程...
SMT轨迹导入程序：C#源码实现DXF文件导入生成G代码
05-03
内容概要：本文详细介绍了如何使用C#开发一个SMT贴片机的轨迹导入程序，该程序能够解析CAD设计的DXF文件并将其中的轨迹转换为适用于SMT设备的G代码。主要内容涵盖DXF文件的读取与解析、LWPOLYLINE的提取、坐标转换、G代码生成以及保存。此外，文中还探讨了一些实际应用中的注意事项，如坐标系转换、插补算法的选择和错误处理方法。通过具体的代码示例展示了如何利用netDxf库简化DXF文件的操作，并提供了路径优化和Z轴控制的具体实现。 适合人群：从事SMT行业或相关领域的工程师和技术人员，尤其是有一定C#编程基础并对数控编程感兴趣的开发者。 使用场景及目标：①将CAD设计的DXF文件高效转化为SMT设备所需的G代码；②确保生成的G代码能够在实际设备上正确执行，提高生产效率和准确性；③解决坐标系转换、插补算法选择等问题，增强程序的鲁棒性和实用性。 其他说明：建议在真实设备运行前先用CAM软件进行仿真测试，同时注意处理好文件读取和数值转换中的异常情况。
西门子PLC程序套件：堆垛机、输送线及触摸屏程序集成
05-03
内容概要：本文详细介绍了基于西门子S7-1200 PLC的物流仓储自动化系统，涵盖了硬件架构、通信处理、运动控制算法、触摸屏交互等多个方面的内容。硬件上，采用S7-1217C处理器、G120变频器、ET200S远程站和激光测距传感器构建了一个精密的空间坐标定位体系。通信部分利用Profinet和RS485进行数据传输，并通过SCL和STL编写了多种实用的功能块，如急停处理、温漂补偿、路径优化等。运动控制方面，通过速度梯形图与S型曲线结合的方式实现高精度定位。触摸屏界面则通过WinCC Advanced实现报警记录和货位状态显示等功能。 适合人群：从事物流仓储自动化系统设计、开发和维护的技术人员，尤其是熟悉西门子PLC编程的工程师。 使用场景及目标：适用于需要高精度、高可靠性的物流仓储自动化项目的开发和调试。主要目标是提高系统的响应速度、定位精度和稳定性，确保设备能够长时间稳定运行。 其他说明：文中提供了大量实际代码片段和技术细节，帮助读者更好地理解和应用相关技术。此外，还分享了一些现场调试的经验和技巧，如温漂补偿、通信优化等。
新5.txt
05-03
新5
MATLAB模糊控制算法在驾驶员制动意图识别中的应用：试验案例、模型与模糊控制器
05-03
内容概要：本文详细介绍了如何利用MATLAB的Fuzzy工具箱实现驾驶员制动意图的识别。文中首先解释了模糊控制的基本概念及其在处理不确定性和模糊性方面的优势。随后，通过具体的MATLAB代码示例展示了如何构建模糊推理系统（FIS），包括定义输入输出变量、隶属函数以及规则库。此外，还讨论了实际应用中的优化措施，如调整隶属函数参数和引入多输入变量以提高系统的鲁棒性和准确性。最后，通过对比实验验证了模糊控制相比传统方法在响应时间和识别精度上的优越性。 适合人群：从事自动驾驶或智能辅助驾驶系统研究的技术人员，尤其是对模糊控制算法感兴趣的开发者。 使用场景及目标：适用于需要精确识别驾驶员制动意图的应用场合，如高级驾驶辅助系统（ADAS）、自动驾驶车辆的安全控制模块等。主要目标是提高系统的智能化水平，增强行车安全性。 其他说明：文中提供的代码片段和实验数据有助于读者深入理解模糊控制的工作机制，并为实际项目开发提供参考。同时，强调了参数调整的重要性，指出模糊控制并非万能解决方案，需结合具体应用场景进行优化。
三菱PLC QD75模块功能块FB的编程方式与实际应用经典案例
最新发布
05-03
内容概要：本文详细介绍了三菱PLC QD75模块FB功能块在伺服电机控制中的应用。首先阐述了选择FB功能块的原因，即编程方式清晰明了，便于维护和修改。接着展示了关键代码及其分析，包括输入输出变量、中间变量、初始化、运动参数设置、当前位置监控、目标位置判断以及错误处理等方面的内容。文中还提供了多个实用技巧，如速度切换判断、状态监控、错误处理、调试方法等。此外，文章强调了这套程序的适用范围和借鉴意义，尤其适合初学者作为模板进行项目级开发。 适合人群：具备一定PLC编程基础，尤其是三菱PLC初学者和项目级开发者。 使用场景及目标：①帮助读者理解三菱PLC QD75模块FB功能块的工作原理；②提供一个成熟的伺服电机控制程序模板，供读者在实际项目中参考和改进；③提高程序的可维护性和可靠性。 其他说明：文章不仅提供了详细的代码示例和注释，还分享了许多实际应用中的经验和技巧，有助于读者更好地理解和应用这些知识。
DeepSeek 幻觉
03-01
### DeepSeek 幻觉 错误 行为 及解决方案 #### 幻觉现象概述 DeepSeek在对话过程中可能出现幻觉现象，即模型可能会产生不真实的信息或自我认知错误。例如，在一次对话中，DeepSeek曾错误地自称为“ChatGPT”，这...
评论 16
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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