Everyday try to become better -Kobe Bryant

paper address:https://arxiv.org/abs/2408.00724

错误原因：openai.ChatCompletion.create(proj:MAD)api调用的问题，以及一些旧版的api的内容，可以在api 应用程序接口 中找到。大多数的内容都可以从官方文档的搜索当中找到。最新的调用代码应该参考官网为。

这里有一个问题，就是，所招募的专家测试结果是找的各个专业的phd做完整的测试，然后取精确率的平均值作为对比数值，还是请他们分别做自己所属专业的部分试题，然后将结果汇总作为专家结果。我们认为，使用思维链可以在安全性和一致性方面取得重大进展，因为（1）它使我们能够以清晰的方式观察模型思维，（2）关于安全规则的模型推理对分布外的场景更稳健。然而，为了实现这一点，模型必须能够以不变的形式自由表达其思想，因此我们无法将任何政策合规性或用户偏好训练到思想链上。例如，在未来，我们可能希望监控思维链，寻找操纵用户的迹象。

huggingface不支持模型并行。张量并行，不满足大规模预训练的需求。1、组网部分 2、数据流 3、训练器 4、异步高效的模型存储。

机遇机遇1:LLM通用数据分析能力，降低函数/借口的开发门槛机遇2:LLM的强大知识问答能力，打破开发者的专业壁垒机遇3:LLM的格式化内容生成能力，提升数据的供给效率机遇4:LLM的函数编排能力，重塑产品的自动化程度机遇5:LLM对数据飞轮的天然要求，增强产品的价值说服力

什么样子的模型是强模型？是一个直观比较的结果：Acc在这个任务上越好，则认为它越强。随着各大机构的模型越来越强，评估任务越来越复杂，如何在未来更加复杂的任务下评估LLM的能力。

planning是任务拆解的一些方法。

2023是LLM的元年，2024看起来是LLM的全行业泛化阶段。

suno.com。

当你用类神经网络（模型）来表达这上万个参数的时候，你做的事情就是深度学习。生成式人工智慧是什么？生成式AI的入门课程。

需要根据自己系统的cuda版本选择。

4.38会报错安装即可sentencepieceprotobuf。

LLaVA-Plus 维护着一个技能库，其中包含各种视觉和视觉语言预训练模型（工具），并且能够根据用户的多模式输入激活相关工具，以即时组合执行结果来完成许多现实任务。我们通过实验验证了LLaVA-Plus的有效性，在多个基准测试中取得了持续改进的结果，特别是在VisIT-Bench上达到了的新SoTA。智源社区邀请到了LLaVA的一作柳昊天以及LLaVA-Plus的一作刘世隆，共同分享《LLaVA和LLaVA-Plus视觉指令微调及工具使用构建多模态智能体》欢迎大家观看。

最近在这个领域中，还有一些相关的研究，包括使用机器学习来预测战争爆发的研究，例如“Predicting War: A Machine Learning Approach to Understanding Conflict”（2017）和“Forecasting International Conflict Using Ensemble Models and Hybrid Features”（2019）。本文试图通过使用人工智能和大型语言模型，回答人类历史上的战争问题：我们能否在历史的十字路口避免战争？

对于较小的模型，在复述问题时，会产生扰动，与人的意图差距大。vicuna-13b-v1.5：基于llama2的模型。为了更充分利用大模型的复述能力。让LLM自己提出更适合自己理解的问题。用更好的LLM复述，让更小的模型回答。发现了，GPT自我改进模型的潜力。复述后的问题是可迁移的。

如何让LLM更有温度。

还有一点需要说明的是，我们在写自己的prompt的时候，不应该盲目地追求和堆砌提示词技巧，掌握一个满足需求的核心即可。实际应用的场景下，比较消耗人的token。结构话提示词的本质是，方法论的封装。解决了提示词的标准化的问题。3、最开始用框架、用模版，然后从中汲取方法论，写自己的方法论，生成简短表达。实际上，不需要掌握太多框架，掌握一个，形成自己的prompt思路即可。注意，对于弱模型中，结构话提示词可能无效，需要简化结构化prompt。输入想要的prompt的内容，自动生成结构化的提示词。