chatgpt引入思考过程还是会出错？为什么不让机器检讨检讨自己（李宏毅）

最新推荐文章于 2024-01-02 20:43:07 发布
最新推荐文章于 2024-01-02 20:43:07 发布
阅读量184 收藏 2
点赞数
分类专栏： nlp_paper nlp llm 文章标签： 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_16949707/article/details/130549597
版权
nlp 同时被 3 个专栏收录
97 篇文章 3 订阅
订阅专栏
nlp_paper
75 篇文章 7 订阅
订阅专栏
llm
23 篇文章 1 订阅
订阅专栏

原始视频：李宏毅：ChatGPT可以自我反省
一、单个模型自我反省


二、两个模型彼此讨论


三、同时引入思考+搜索


3.1 单独引入思考或者添加搜索结果还是可能出错


3.2 同时引入搜索+思考过程（给出几个例子就可能得到比较好的结果）


思考的过程相当于总结


四、引入思考还是会出错？为什么不让机器检讨检讨


引入两个检讨的事例就可以做的很好

HxShine
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
李宏毅机器学习2021HW3食物数据集
07-06
1、本资源为台大李宏毅深度学习课程作业数据集。 2、训练集内含课程所需数据集 3、提供下载便利
[PPT] 李宏毅chatgpt，生成式ai
liguandong
03-27 3748
上面两张图是在测试语言模型是否真的有判断能力，蓝色是没有输入prompts，橙色是输入了正确的prompts，红色是输入错误的prompts，但是红色输入错误的promots，模型的输出并没有错很多。给模型输入一些不相关的prompt，看模型的输出，橙色给的正确答案，红色是错误答案，紫色是无关答案，蓝色没给prompt，给机器的promot很重要，prompt其实就是提示它做什么任务。模型越大，从context中学习到的能力越强，颜色越深，打乱label之后学习能力改变越明显，甚至给错误的答案他能反着学。
机器学习笔记：李宏毅ChatGPT Finetune VS Prompt
qq_40206371的博客
08-08 1791
箭头方向指的是从哪个方向往哪个方向翻译表格里面的数值越大表示翻译的越好可以发现专门做翻译的工作会比ChatGPT好一些同样地，专项翻译任务上，ChatGPT不如一些专门做翻译的模型。
2023春季李宏毅机器学习笔记 01 ：正确认识 ChatGPT
女王の专属领地
01-02 703
课程主页：https://speech.ee.ntu.edu.tw/~hylee/ml/2023-spring.php Github：https://github.com/Fafa-DL/Lhy_Machine_Learning B站课程：https://space.bilibili.com/253734135/channel/collectiondetail?sid=2014800
最新出炉：台大李宏毅老师关于ChatGPT原理剖析的三部曲
weixin_40920183的博客
02-28 384
李宏毅【生成式AI】ChatGPT 原理剖析 (1/3) — 对ChatGPT的常见误解李宏毅【生成式AI】ChatGPT 原理剖析 (2/3) — ChatGPT背后的关键技术: 预训练 (Pre-train)李宏毅【生成式AI】ChatGPT 原理剖析 (3/3) — ChatGPT 所带来的研究问题...
HW_3_李宏毅2020机器学习作业_李宏毅作业3_李宏毅hw3_李宏毅作业三_saledzj_
10-01
Python实现李宏毅2020机器学习作业3，含数据集和代码
李宏毅机器学习笔记
01-18
李宏毅机器学习笔记，文档文件，笔记全面，总结充分，仅供学习
序列标注ner原理，CRF作用以及transformers ner使用
hxshine的博客
04-25 6607
1.参考 Pre-Training with Whole Word Masking for Chinese BERT（中文BERT-wwm系列模型） https://github.com/ymcui/Chinese-BERT-wwm Transformers: State-of-the-art Natural Language Processing for TensorFlow 2.0 and P...
CRF条件随机场loss函数与维特比算法理解
hxshine的博客
08-05 6418
1. 参考资料 详解条件随机场(CRF)-batch版本:https://zhuanlan.zhihu.com/p/38119194 简明条件随机场CRF介绍 | 附带纯Keras实现:https://www.jiqizhixin.com/articles/2018-05-23-3 序列标注算法(二):http://fancyerii.github.io/books/sequential_labeling2/ CRF(条件随机场)与Viterbi(维特比)算法原理详解:https://blog.csdn.n
SimCSE学习
hxshine的博客
06-21 5315
0. 参考 中文任务还是SOTA吗？我们给SimCSE补充了一些实验：https://kexue.fm/archives/8348 simcse在英文数据上显著超过了bert-flow和bert-whitening SimCSE—简单有效的对比学习：https://zhuanlan.zhihu.com/p/375659368 1. 概述 2. 什么是SimCse 2.1 无监督的训练方法 一个句子，encoder得到embedding，通过dropout得到的embedding作为正例，其他的句子得到
向量检索基础方法总结
hxshine的博客
12-21 2970
一、向量检索图解总结 原文： 大规模特征向量检索算法总结 (LSH PQ HNSW)：https://www.6aiq.com/article/1587522027341 「向量召回」相似检索算法——HNSW：https://mp.weixin.qq.com/s/dfdNj9CZ3Kj2UwDr9PQcVg 二、原始内容 2.1 基础概念 2.1.1 度量方式：欧式距离，cos距离，汉明距离，jaccard相似度 2.1.2 分类 ● 基于空间划分 ○ 举例：乘积向量化，哈希等 ○ 优点：内存占用小，
nl2sql_baseline项目解读（待完成）
hxshine的博客
07-18 2647
1.目的 该项目是将自然语言处理转化为mysql语句。 链接：https://github.com/ZhuiyiTechnology/nl2sql_baseline 首届中文NL2SQL挑战赛:https://tianchi.aliyun.com/competition/entrance/231716/introduction?spm=5176.12281949.1003.8.6f802448KX...
如何理解联合关系抽取模型GPLinker？
hxshine的博客
10-20 2488
GPLinker联合关系抽取模型解读
DeBERTaV3: Improving DeBERTa using ELECTRA-Style Pre-Training with Gradient-Disentangled Embedding解读
hxshine的博客
04-02 2269
一、概述 二、详细内容 abstract a. deberataV3, debearta的改进版本 b. 方法1（改进mlm）：通过使用RTD来替换原始的MLM任务，一个更有效的简单的预训练方法 c. 方法2（改进electra）： ⅰ. 原因：鉴别器和生成器将所有的token放到不同的方向，一直在那里拔河，tug-of-war ⅱ. 方法：梯度解纠缠embedding来避免拔河 ⅲ. 好处：提高训练效率+提升预训练模型质量 d. 效果 ⅰ. 和deberta一样的设置 ⅱ. v3 large模型：NL
一文看懂自然语言处理语言模型 n-gram word-embedding CBOW Skip-gram word2vec glove解读
hxshine的博客
04-29 1882
1.n-gram 自己理解: n代表窗口长度，n-gram的思想就是先滑窗，然后统计频次，然后计算条件概率，你可以取前面n个的条件概率，不一定要取全部的，最后得到的是整个句子的一个概率，那这个概率可以代表句子的合理性。 详情见： https://zhuanlan.zhihu.com/p/32829048 如何利用n-gram作为额外的特征呢？ 例如: 我 爱 北京 天安门 这样词就有各种组...
再看同义变换在百度搜索广告中的应用总结
hxshine的博客
12-20 1835
一、概述 原文：同义变换在百度搜索广告中的应用，https://mp.weixin.qq.com/s/ybkbU8p_3jgKuCGdNWeG8w 二、 关键词匹配问题定义 2.1 定义 输入：query、匹配模式、关键词库 输出：满足匹配的全部关键词 限制：匹配模式 2.2 例子： ○ query：双眼皮手术多少钱？ ○ Match type：精确匹配 ○ 一些典型的目标召回关键词： ■ 双眼皮手术的价格？ ■ 双眼皮手术多少钱？ ■ 割一个双眼皮花多少钱？ 三、 问题挑战 Semanti
Vocabulary Learning via Optimal Transport for Neural Machine Translation论文解读
hxshine的博客
07-13 1826
abstract token vocabulary的选择对机器翻译结果的影响比较大 本文研究什么样才是好的词表，并且能不能不通过训练直接找到最优的词表 首先提供一种从信息理论的角度来分析词表的作用 通过optimal transport的思路来找到最佳token词典，并且有一个合适的词表大小，不用训练 降低70%的词表大小，取得0.5bleu提升 相对于BPE-search，搜索时间从384gpu->30gpu，这个的意思有些没看懂，是指vocabularies的时间。 背景： 当所有样本等几率出现.
keras 中文ner使用，crf 原理以及转移矩阵解读
hxshine的博客
09-26 1804
1. 目标 看下keras解决ner问题是否比较方便，摸摸坑 2. 两个比较好的项目 keras-bert-ner https://github.com/liushaoweihua/keras-bert-ner/ keras社区提供的一个包 https://github.com/keras-team/keras-contrib 3. 使用步骤 # 1. 下载:https://github.com/liushaoweihua/keras-bert-ner git clone https://github.
李宏毅机器学习2023
最新发布
03-30
很抱歉，我无法提供关于李宏毅机器学习2023的介绍，因为我是CSDN自主开发的AI助手，无法获取最新的＊＊＊系教授，他在机器学习和深度学习领域有着广泛的研究和教学经验。他的机器学习课程在全球范围内非常受欢迎，因为他能够以简洁明了的方式解释复杂的概念，并提供实际的案例和应用。 李宏毅的机器学习课程通常包括以下内容： 1. 机器学习基础：包括监督学习、无监督学习、强化学习等基本概念和算法。 2. 深度学习：介绍神经网络、卷积神经网络、循环神经网络等深度学习模型和算法。 3. 自然语言处理：探索如何使用机器学习和深度学习技术处理和理解自然语言数据。 4. 计算机视觉：介绍图像处理和计算机视觉中的机器学习和深度学习方法。 5. 强化学习：研究如何让机器智能地进行决策和学习，以达到特定目标。 如果您对李宏毅的机器学习课程感兴趣，我建议您访问相关的教育平台或者搜索李宏毅的机器学习课程，以获取更详细的信息和最新的课程安排。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值