模型应用趋势:特定任务-专用模型向多模态任务-通用大模型转变
InternLM2框架体系: 面对不同应用场景有不同量级和偏向的模型
语言建模的本质(数据清洗):(a)多维度数据价值评估 (b)高质量预料驱动的富集 (c)有针对性的数据补齐
模型内生计算能力存在不稳定性,通过生成代码然后结合代码解释器,能够提升准确度,是否意味着代码中的胡言乱语少一些?
书生 浦语开源体系:
国内模型与GPT4表现接近,在中文场景有优势,是因为中文语料更富集还是对中文语料的预处理上更好?
模型应用趋势:特定任务-专用模型向多模态任务-通用大模型转变
InternLM2框架体系: 面对不同应用场景有不同量级和偏向的模型
语言建模的本质(数据清洗):(a)多维度数据价值评估 (b)高质量预料驱动的富集 (c)有针对性的数据补齐
模型内生计算能力存在不稳定性,通过生成代码然后结合代码解释器,能够提升准确度,是否意味着代码中的胡言乱语少一些?
书生 浦语开源体系:
国内模型与GPT4表现接近,在中文场景有优势,是因为中文语料更富集还是对中文语料的预处理上更好?