logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

论文精读:Prompting Large Language Models to Tackle the Full Software Development Lifecycle

状态: Summarizing作者: Bowen Li机构: 上海人工智能实验室Publishing/Release Date: 2024年12月14日Summary: 现有的Benchmark主要聚焦于编码环节,例如单文件代码生成或者仓库问题调试,并不能全面衡量真实软件开发中的问题。这篇论文提出了DevEval,系统评估了LLMs在软件开发生命周期中各阶段的表现,涵盖软件设计、环境搭建、实现开发

文章图片
#语言模型#人工智能#自然语言处理
中国大学MOOC 人工智能导论第二章测试

1单选(2.5分)以下哪个是命题?得分/总分...

python人工智能——机器学习——分类算法-k近邻算法

分类算法-k近邻算法(KNN)定义:如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别,则该样本也属于这个类别。来源:KNN算法最早是由Cover和Hart提出的一种分类算法K近邻算法需要做标准化处理计算距离公式两个样本的距离可以通过如下公式计算,又叫欧式距离比如说,a(a1,a2,a3),b(b1,b2,b3)sklearn k-近邻算法AP...

树莓派AI视觉云台——4、树莓派的登录控制方式

一.SSH远程登录SSH:(我们的开发中一般使用此种方式远程登录)由于树莓派只有一个串口,当我们开发中需要占用这个串口或者我们希望进行远程开发(通过一个根网线或无线连接到树莓派)可以借助Linux系统特有的一种服务SSH来完成.为了方便开发,我们选择使用SSH远程登录操作树莓派,下面配置SSH。方法如下:使用SSH远程登录树莓派时,首先在树莓派图形界面打开命令终端,我们先启用root权限,...

【论文精读】当代软件现代化:战略、动力与研究机遇

摘要 本研究系统综述了126篇软件现代化相关论文,揭示了现代化策略的核心驱动因素与挑战。研究发现,现代化决策应基于系统的技术质量、商业价值和创新潜力,而非盲目改造。主要驱动力是降低运营成本(62项研究提及),而非单纯偿还技术债。最大技术障碍是工具支持不足(45项研究提及)。研究归纳出8种现代化策略,包括云端化(最普遍)、架构重构和编程语言转型等。云端化细分方向包括无架构约束迁移、SOA转型和微服务

文章图片
#数据库#人工智能
作为国产大模型之光的智谱AI,究竟推出了多少模型?一篇文章带你详细了解!

总的来说,还是挺期待未来可以有所突破的!!!但是我觉得这个大模型算是国内的很不错的大模型了,起码gpt49有的它都有,虽然是打折版的。并且使用也免费,已经挺够意思了。正如张鹏所言,和国外大模型相比,国内的大模型发展起步晚一些,加上高性能算力的限制和数据质量的差距等等,国内研发的大模型无论规模还是核心能力,与世界先进水平还存在一年左右的差距。但是未来一年,我们将有希望看见国内大模型的崛起之路!pvs

文章图片
#人工智能
【论文精读】Aligning Language Models to Explicitly Handle Ambiguity

作者提出了一种名为“感知歧义性对齐”(APA)的新型对齐流程,旨在通过利用模型自身的内在知识,增强 LLM 处理 query 中歧义性问题的能力。该方法采用隐式信息增益指标来量化模型自身感知到的模糊性,使模型能够基于该指标通过对齐操作有效管理歧义/非歧义查询。

#语言模型#人工智能#自然语言处理
python人工智能——机器学习——数据的降维

数据降维1.特征选择2.主成分分析特征选择特征选择原因1.冗余:部分特征的相关度高,容易消耗计算性能。2.噪声:部分特征对预测结果有影响。1.特征选择是什么特征选择就是单纯地从提取到的所有特征中选择部分特征作为训练集特征,特征在选择前和选择后可以改变值、也不改变值,但是选择后的特征维数肯定比选择前小。主要方法(三大武器):Filter(过滤式):VarianceThreshol...

从零开始Q-Learning,用强化学习教出租车接送乘客

设想一个训练宠物狗新技巧的场景:狗听不懂人类的语言,所以我们不能直接告诉它该怎么做。我们可以模拟一种情况(或提示),而狗会试图以许多不同的方式做出反应。如果狗的反应是我们想要的,就用零食奖励它们,那么下一次狗遇到同样的情况时,大概率会以更热情的方式执行类似的动作,期待更多的食物。这就像从积极的经历中学习“做什么”一样。同样,狗也会倾向于学习在面对负面经历时不该做什么。狗就是暴露在环境中的智能体(a

#算法
使用 Carla 和 Python 的自动驾驶汽车第 3 部分 —— 强化学习环境

欢迎使用Python编程教程学习Carla自动驾驶/自动驾驶汽车的第三部分。在本教程中,我们将利用我们关于Carla API的知识,并尝试将这个问题转化为一个强化学习问题。在OpenAI率先开发了强化学习环境和解决方案的开源之后,我们终于有了一种接近强化学习环境的标准化方法。这里的想法是,你的环境将有一个step方法,它将返回:observation, reward, done, extra_in

#python#自动驾驶#开发语言
    共 159 条
  • 1
  • 2
  • 3
  • 16
  • 请选择