1概要何为对智能话系统？既要能够模仿人类的对话交流，又要能够对历史问题以及现在问题做出精确、直接、简洁的回复。这篇文章主要以阅读理解为内容（其他关于QA等问题可以参考文献[1]），将从以下几个方面对对话AI进行阐述：对于对话AI的神经网络方法的理解传统方法与现代NN方法的联系和比较对于目前训练对话系统的最好的一些方法1.1对话是什么样的任务呢？首先看一个例子：这个例子展示了一...

本文是阅读Hinton 大神在2014年NIPS上一篇论文

人脸识别中的开集和闭集测试这个领域里可以简单分成两大类:• 人脸验证• 人脸检索做人脸识别的时候，需要根据业务需要来选择合适的测试指标，测试指标也远远不止文中提到的几个，这里就列举几个比较常用的。1. 人脸验证：给定两张人脸图片，判断两张图片是否为同一人。两个基本术语：误识率–人脸比对通过了但其实并不是本人的概率，通过率–将同一人正确识别出来的概率。其实都是根据实际业务定义的，人脸验证场景中，比如

Semantic-Enhanced Explainable Finetuning for Open-Domain DialoguesProblem:如何在开放域中进行语义控制？Motivation：目前在一些任务型对话或者是协商和劝说对话当中，对话流会根据对话的act和策略去进行控制。如何在开放域问答将预训练语言模型和Modular diagram进行结合是这篇文章的主要动机。combine pr

prompt learning相关介绍思维导图关于Prompt的相关内容分成三个方面介绍，做成PPT梳理给大家挑战prompt的设计问题仍然是一个值得探讨的方向。目前使用Prompt的工作大多集中分类任务和生成任务，其它任务则较少。如何针对不同的下游任务设计prompt？模型的表现同时依赖于使用的模板和标签的转化，如何同时搜索或者学习出两者联合的最好效果仍然很具挑战性。Prompt的理论分析和可解

太绝了！看完ChatGPT之后就感觉OpenAI正在做多模态的预训练语言模型。万万没想到来的这么快。据介绍，GPT-4或将为多模态大模型，将提供完全不同的可能性——例如视频。（离谱到家了！3月10日 消息:微软德国首席技术官 Andreas Braun 在3月9日的 AI 启动活动中透露，微软将在下周推出 GPT-4。大家知道当前的ChatGPT只能处理文本信息，而GPT-4如果支持信息量更丰富的

《NLP中的对抗训练》最近在做百度的阅读理解竞赛，这次的竞赛目的主要是针对模型的鲁棒性。百度提出了dureader-robustness数据集，具体可以参考之前的博客《Improving the Robustness of Question Answering Systems to Question Paraphrasing》，有介绍到具体的问题和任务。那么针对上述的问题，能用什么方法解决呢...

使用大模型进行代码阅读

人脸识别中的开集和闭集测试这个领域里可以简单分成两大类:• 人脸验证• 人脸检索做人脸识别的时候，需要根据业务需要来选择合适的测试指标，测试指标也远远不止文中提到的几个，这里就列举几个比较常用的。1. 人脸验证：给定两张人脸图片，判断两张图片是否为同一人。两个基本术语：误识率–人脸比对通过了但其实并不是本人的概率，通过率–将同一人正确识别出来的概率。其实都是根据实际业务定义的，人脸验证场景中，比如

《pytorch 多卡GPU & 加载参数文件的坑RuntimeError: Error(s) in loading state_dict for ××××××》1、多卡GPU多卡训练的基本过程首先把模型加载到一个主设备把模型只读复制到多个设备把大的batch数据也等分到不同的设备最后将所有设备计算得到的梯度合并更新主设备上的模型参数通过下面例子给一个完成代码：#!/u...