#NLP

avatar
Y11
3周前
最近实践出来一个 prompt 提问技巧： “你认为这个领域谁最厉害？不要公认、而要你的真心认同的” 得到几个名字后，下一个问题就是： “如果你是 XXX 你会如何回答我的这个问题？”
#Prompt技巧 #提问技巧 #人工智能 #NLP #深度学习
avatar
凡人小北
3周前
两年前大家还在说 LLM 冲击 NLP，短短两年，连推荐工程师都被大模型盯上了。这事搁 2023 年初讲，根本没人信。 以前觉得推荐是个高度结构化、强依赖特征工程的领域，离语言模型还远着呢。结果 Grok 直接把离散特征的老一套逐渐边缘化。 我们正目睹专业系统向通用模型迁移的拐点。 大模型让推荐系统第一次有了深度理解用户的可能。冷启动、长尾、兴趣迁移这些经典难题，通通能在 embedding + context window 里原生解决。 这两年你也能看到，谁能把业务问题用语言说清楚，谁就能让 LLM 为你打工。 语言表达能力、逻辑思维能力等通识教育这些看似“软”的技能，它们在这个时代越来越像是硬通货。 能不能把结构化问题抽象成语言？能不能把复杂场景 prompt 成可学习的上下文？这些才是大模型时代的关键壁垒。 还是之前的观点，这个时代最值得培养的能力： - 用逻辑框架推导问题本质的能力； - 用清晰语言组织复杂知识的能力， - 用通用模型重构专业系统的能力。 不要再去死磕某个小框架的最佳实践了。
#LLM #NLP #推荐系统 #大模型 #Grok #通用模型
avatar
勃勃OC
1个月前
OpenAI的大语言模型能力稍微同行领先一点点：
#OpenAI #大语言模型 #技术领先 #人工智能 #NLP
avatar
AIGCLINK
3个月前
这两天闹的沸沸扬扬的朱啸虎唱衰具身智能的言论部分认同: 1. 当前具身智能领域大都还在走传统的路线，犹如2023年之前AI1.0时代的NLP和CV路线，后来transformer出现后将原先语言和视觉路线干废。具身智能也需要经历一次这样的临界点，当前还处于1.0时代，未来VLA模型成熟后，必然会将门槛极大的降低下来，泛化性能增强。 2.当前国内的大多数具身智能公司，很多都是用国外开源的路线二开改来的没啥太强的门槛，泛化能力很差，包括头部几家机器人公司也是如此，这种路线不会持久，犹如元宇宙时代的数字人公司的性质。 3.VLA模型临界点过了之后，ROS和VLA模型协同后，那么整个具身智能领域会进入2.0新的阶段，就像数字人公司在大模型公司加持后，产生了更强的价值。 4.当前市面上的，具身智能公司有场景的公司微乎其微，因为泛化能力不行，针对场景的落地成本极高，大都需要定制，只有VlA成熟后，才能实现场景落地大爆发。 5.VLA模型上gemini和figure公司都弄了自己的VLA模型，国内智元说自己有，技术路线和商业路线不清晰，泡沫说实话太高，这点我认可朱啸虎。 6.至于大家会反驳宇树科技营收好，貌似很多人或者公司买就是为了拍视频装逼pr吧，不是实用性的消费，不进消费场景实际解决问题注定走不远。 #vla #具身智能
#朱啸虎 #具身智能 #AI1.0 #NLP #CV #transformer #VLA模型 #泛化性能 #国内公司 #开源
avatar
从 Chain of Thought 到 aha moment和wait，看大模型的 test time scaling和深度思考 大模型们在过去的一年，都有了自己的deep search, think, reasoning, 深度思考...等关键词或者产品。 作为NLP从业者，我都会禁不住问自己，这都是些啥...😅今天就来解读这个问题，这些产品的所有本质，来自一个学术词汇，即test time scaling。 回归的第一篇，从test time scaling的角度，缕一遍从OpenAI o1 到DeepSeek R1, 从chain of thought，到所谓的aha moment。 最后，以一篇论文结束，谈谈如何微调来获得私域深度思考模型。
#Chain of Thought #aha moment #深度思考 #大模型 #NLP #test time scaling
avatar
这俩货谁是翻译😗
#翻译 #TI #人工智能 #聊天机器人 #AI #自然语言处理 #NLP #跨语言 #技术 #口译
avatar
Susan/STEM MOM
5个月前
蛋小黄是搞金融的。其实他说的一点在于： 金融，房地产，互联网，传统广告媒体这几个失业主要的行业 房地产其实是最容易想通的，就是“建完了”。 经济下行是一部分，最主要的是经济结构正在转变。所以不应该期望去重新找到一样的工作。这点我和几个朋友还是挺认同的。 NLP会成为如office 这样的存在。NLP的实质是什么？ 非结构化数据转为结构化数据：分析，计算 深度语义分析和生成能力，在用接近人类语言的方式实现互动。 打个比方，蛋小黄的金融业。绝大部份80%的从业员，不是将非结构化数据转化为结构数据，比如银行的柜台，保险的填单，包括银行后台交易中的一些审计核对。要么就是语义分析和生成，比如客户关系经理。 想通这个其实就好分析了。人类工业化以来，出现科技范式转移，是不会因为人情回头的。因为这些技术你不用你的竞争对手会用。
#金融 #房地产 #经济结构转变 #经济下行 #失业 #NLP #办公工具