搜尋結果
2024年2月1日 · Transformer模型概述. Transformer模型是基於自注意力機制（self-attention mechanism）的一種架構，它能夠在處理序列數據時，同時考慮序列中的所有元素，這種全局視角使得Transformer在多個領域特別有效。 與傳統的遞歸神經網路（RNN）或卷積神經網路（CNN）相比，Transformer顯著提高了處理速度和效率，尤其是在處理長序列數據時。 Transformer的工作原理. Transformer的核心是自注意力機制，這一機制允許模型在生成輸出時評估序列內的所有單詞之間的相關性。 這意味著模型不需要按順序逐步處理資訊，而是可以平行處理，大大加快了學習速度。
2024年3月7日 · 一、資料清理. 二、如何切割文本. 三、如何搜尋. 四、LLM 生成品質. 快速掌握 LLM 應用全局觀. 有了「長上下文 LLM」（Long-Context LLM），還需要 RAG 嗎？ RAG（Retrieval-Augmented Generation，檢索增強生成）無疑是當今開發大型語言模型（LLM）產品時，不可或缺的技術。 由於可以確保 LLM 生成的真實性，在企業 AI 應用與搜尋場景相當受到重視。 為此，我也試著實作一個簡單的 RAG 應用。 多年累積下來，我的 Apple Notes 已經有 7000 多則筆記，搜尋愈來愈不準確，常在寫新筆記時想參考舊筆記，卻怎麼也找不到。
2024年2月26日 · 在使用 ChatGPT、Gemini 等奠基於大型語言模型（Large Language Models，以下簡稱 LLMs）的人工智慧服務時，很常會遇到一個問題就是：請它們提供與特定專業領域相關的資訊，往往只能獲得極為空泛、甚至是充滿幻覺（hallucination）的回覆。. 1 隨著越來越多的企業和組織 ...
其他人也問了
鄭成功是誰?
鄭志剛是誰?
鄭弘儀是誰?
鄭捷是誰?
2023年6月4日 · AI工程師工作內容. AI工程師在設計、開發及實施生成式AI模型方面擔當關鍵角色，他們利用機器學習和AI的知識，創建能夠基於現有數據生成新內容的模型。 以下是AI工程師主要的職責和技能要求： 1. 設計、開發和實施生成式AI模型. 設計階段： 確定最佳算法來實現預期結果，要求對各種生成式AI算法及其優缺點有深入理解。 開發階段： 包括用現有數據訓練模型並進行微調以提升性能。 實施階段： 將AI模型整合到現有系統中或圍繞模型設計新系統，需要強大的軟件開發理解能力。 2. 調整現有生成式AI模型. 調整和精煉預先存在的模型以增強性能、適應新數據或滿足特定項目需求。 分析模型行為，識別表現不佳或產生意外結果的領域。 可能涉及調整超參數、修改模型架構或豐富訓練數據集。 3.
2023年10月2日 · 1. 清晰和具體的提示. 提示應該清晰、具體且明確。 避免使用模糊的或含糊不清的問題，因為這可能會導致不確定的回答。 確保提示中包含所有必要的信息，以使模型能夠理解您的意圖。 2. 上下文相關. 考慮到上下文對 Prompt Engineering 至關重要。 如果您正在進行對話，則應根據先前的對話內容編寫提示。
2024年4月17日 · Let's build the GPT Tokenizer. 分類: AI 人工智慧 、 自學能力 標籤: AI 、 學習資源 、 生成式 AI. 我們曾經推薦過 AI 主題的電子報，也介紹過 20 個關於生成式 AI 的關鍵字，對於習慣以收看影片來吸收資訊的讀者，我們在本文精選了四個 YouTube 頻道，並且分享為英文影片加上中文字幕的方法。
2023年2月7日 · 1. SWOT分析. 2. 五力分析模型. 如何用數據做競品分析. 定性分析. 定量分析. 數據可視化. 結語. 競品分析是商業戰略中不可或缺的一環，幫助企業揭示對手的策略與市場定位，從而在市場競爭中站穩腳跟。 這項分析不僅僅是搜集數據，更重要的是將數據轉化為洞察力，進而制定策略。 以下將詳細介紹競品分析的步驟、框架與方法。 一、競品分析的重要性. 競品分析能夠揭示市場趨勢、對手動態和潛在風險，為企業提供決策支持。 通過詳細的分析，企業可以發現市場機會，避免盲目決策所帶來的風險。 二、競品分析的五個步驟. 1. 確定分析目標.
