#可靠性

avatar
Anthropic 这篇文章值得看看 详细阐述了构建多个智能体来更高效地探索复杂课题所面临的工程挑战，包括代理协调、评估和可靠性。 让 Notebooklm 总结了一下主要内容
多智能体系统“三国杀”：Anthropic生态VS单智能体，AI未来谁主沉浮？· 7 条信息
#智能体 #复杂课题 #工程挑战 #代理协调 #评估 #可靠性 #Anthropic #NotebookLM
avatar
卫斯理
2周前
INFP 人格测试是不靠谱的，之前测试的不是这个
#INFP #人格测试 #心理学 #性格类型 #可靠性
avatar
向阳乔木
4个月前
看到篇讲大模型 temperature和top_p设置的文章，好奇为什么默认是0.7 和 （0.5-0.8）的设置，Gemini Flash thinking给的解释 1. 为什么 0.7 常常作为 temperature 的默认值？ temperature = 0.7 通常被认为是 在创造性和可靠性之间取得较好平衡 的一个值。 在这个温度下，模型在各常见任务 (例如：对话、文本生成、摘要等) 中，都能产生相对令人满意的、质量和多样性兼顾的输出。 2. 为什么 top_p 的常用建议范围是 0.5 - 0.8？ top_p 的主要作用是控制采样范围，降低 top_p 可以约束模型的生成方向，使其更聚焦、更可控。 0.5 - 0.8 这个范围，被认为是既能有效控制发散程度，又能保留一定的多样性和创新性的一个平衡区间。 top_p 过高 (例如 0.9 - 1.0)，采样范围过大，可能导致模型生成内容过于发散、主题不明确、跑题等。 在高 temperature 的情况下，这种 “失控” 的风险更高。 top_p 过低 (例如 0.3 或更低): 采样范围过窄，会导致生成内容过于保守、重复、缺乏新意，甚至出现 “卡壳” 或循环的情况。 对于需要较高准确性和可靠性的任务 ，例如：事实性问答、代码生成，top_p 可以适当调低一些，例如 0.3 - 0.6 对于需要较高创造性和多样性的任务 ，例如：故事创作、头脑风暴。 top_p 可以适当调高一些，例如 0.7 - 0.9 top_p 值越低，要考虑的词语数量越少，计算效率相对越高。 在某些对延迟敏感应用场景下，适当降低 top_p 也有一定的性能优化作用。
#大模型 #temperature设定 #top_p设定 #Gemini Flash thinking #默认设置 #生成式AI #创造性 #可靠性
avatar
The Spectator Index
5个月前
Most reliable airlines, 2024. 1. 🇲🇽 Aeromexico 2. 🇸🇦 Saudia 3. 🇺🇸 Delta Airlines 4. 🇨🇱 LATAM Airlines 5. 🇶🇦 Qatar Airways 6. 🇧🇷 Azul 7. 🇨🇴 Avianca 8. 🇪🇸 Iberia 9. 🇸🇪 SAS 10. 🇺🇸 United Airlines (Cirium)
#航空公司 #可靠性 #2024