搜尋結果
2024年3月7日 · 為 Apple Notes 加上 RAG：Demo 影片. 隨著我在文件上輸入、修改，底下會出現一排依照相似度排序的推薦筆記。. 而由於我的筆記包含廣泛的領域，當我輸入的是「行銷規劃」，底下只會出現關於行銷的筆記；當切換到「樂理」，則只會推薦音樂相關的筆記。. 本文會 ...
- 是否解決了真正的問題？思考 AI 應用產品化時，最核心的議題便是「這解決了什麼問題？」舉例而言，「AI 摘要」或「和文件對話」是最早出現的服務。如果想打造這類型應用，必須先思考自己解決了什麼問題：是讓「還沒有讀過文章的人，快速理解並掌握文章」，還是「已經讀過文章的人，不必自己整理筆記」？
- AI 是解決問題最好的辦法嗎？由於 AI 能力廣泛且強大，我們很容易陷入「拿著錘子，看什麼都是釘子」的思維。回到上一節的例子，許多產品提供 AI 摘要——然而如果單純只下直覺的 prompt，現行的 LLM 並不擅長摘要。
- 結果不合預期怎麼辦？AI 模型在生成內容時，結果並非百分之百可控的。即使盡可能讓回應穩定，仍然需要事先設想，當生成內容超出控制，產品應該如何自我調整。
- 如何管理 Prompt？Prompt 是與 AI 模型溝通的主要界面，會經過多次微調與迭代。製作 AI 應用時，管理 prompt 是一項重要的工作。
2024年2月26日 · 微軟的研究結果發現，RAG 和微調模型確實都能讓 LLMs 的回答變得更為精準：與 GPT-4 的基本模型相比，RAG 的精準度增加的 5%、微調的精準度增加 6%，而微調模型搭配 RAG 的精準度則增加 11%。. 由此可見，RAG 可以用較低的訓練成本達到與微調模型差不多的表現，且 ...
這位朋友說到自己都笑起來，他說對於家人（尤其是亞洲家庭），他們很難理解他現在的狀況。 當創業家從草創一直走到出場，你會看透其實「價值創造」是一件多方面的事情，員工投入的工時是一方面、創投投入的資金是一方面，而創辦人在價值創造的重要投資並不只是工時，而是決策的品質。
如果是出於我個人的經驗，我是不會覺得兩邊的差異會有那麼大，但互聯網思維裡偏偏有一個重點叫「數據思維」，意思就是要我們相信數據、相信事實、相信證據，而不是單憑自己的經驗和直覺瞎猜，所以說，要具備互聯網思維，只靠接觸學習還不夠，更重要 ...
念化工系的Fan第一份工作和國外求學的經歷，沒讓他找到明確的目標，常常懷疑自己是不是浪費了大把的時間和金錢，走在錯誤的路上。他決定跳脫這個「看自己會什麼，才去找能做什麼」的框架，轉而先思考自己想要的是什麼，根據這個目標去檢視自己哪裡不足，再去補足缺乏的能力。看他分享他 ...
台大資工系助理教授陳縕儂從美國的卡內基美隆大學博士畢業，放下美國微軟高薪工作，毅然決定回台任教。一路上經歷人生重大決定、面對旁人質疑，陳縕儂分享她如何「追隨熱情」，找到適合自己的道路，並堅定走下去
