LLMs大模型带来的新范式#Mixlab Insight

MixGPT

今天为大家带来一些启发性的insight，如果对你有帮助，请留言讨论。

大模型LLM带来了哪些全新的范式？我先举几个例子。

shadow

#人机交互新范式

更自然的语音交互、无处不在的屏幕，普适计算提前到来。普适计算——1991年马克·维瑟提出，通过对环境的充分感知和计算，采用自然的交互方式，实现和环境融为一体的计算。

ChatGPT 为交互式 3D 角色提供支持

全息显示供应商 Looking Glass 正在使用 OpenAI 的 ChatGPT 为名为“兔子叔叔”的 3D 角色提供支持，该角色可以与用户进行对话。Looking Glass 演示了与3D 角色的交互。用户请兔子叔叔完成歌曲“Never Gonna Give You Up”的歌词。3D角色认出了这首歌，并创作了自己编造的、以兔子为主题的歌词，与歌曲的其余部分押韵。

#软件开发新范式

基于LLM的新型软件开发模式将兴起。基于LLMs的推荐系统，以前搭建一个推荐系统，冷启动、各种特征的处理、推荐效果不如意等等，有了LLM，一切都变得更为简单而有效。

Chat-REC

Towards Interactive and Explainable LLMs-Augmented Recommender System

一种用 LLMs 增强传统推荐的范式 Chat-Rec。通过将用户画像和历史交互转为 Prompt，LLMs 可以有效地学习用户的偏好，关键是它不需要训练，而是完全依赖于上下文学习，并可以有效推理出偏好和推荐内容的联系。

微软提供基于LLM的软件开发指南，也值得学习⬆️。

#工具链新范式

可调用各种App或模型完成复杂任务，软件生态被进一步激活。

Toolformer

Language Models Can Teach Themselves to Use Tools

Toolformer，一种让LLMs学会使用外部工具的技术。通过 API 以自监督方式学习使用外部工具，论文展示了 Toolformer 学习使用一系列的工具，包括计算器、问答系统、搜索引擎、翻译系统和日历。

HuggingGPT

Solving AI Tasks with ChatGPT and its Friends in HuggingFace

LLMs（ChatGPT）作为控制器，协调管理现有的各种AI模型，通过语言text作为通用接口来增强机器的理解和运算能力。

#群体协作新范式

得益于LLMs，释放了个体的创造力，再通过线上高效率的群体链接，群体创造力正在爆发ing

🔥AIGC医疗人Mix的聊天记录

—————  2023-4-3  —————

这个可以 多方位融合

#

我们不是还有个云端建筑师群，联动一下

我们还有AIGC快乐制造相关的🙋 somehow关注心理健康 哈哈哈哈哈

哈哈 可以 你做心理治疗室

这个挺好的，大城市打工人很需要

角色扮演 群里可欢乐了，欢迎来玩

选一个你想扮演的角色！带你短暂逃离现实世界

这个很好玩的

疾病预防，康复管理，我研究生的topic[耶]，突然感觉人生经历都串联起来了

#

可以结合，果然思路都是碰撞出来的

Mixlab许愿池，拥有促进idea发生碰撞的魔力

*加入方式：角色扮演、AIGC儒释道、基于AI的未来设计 - AIGC分布式创新联盟

除了个体的协作，多个LLM还可以协同工作,相互补充提高性能。例如,语音识别系统可以调用多个LLM来获得更可靠的识别结果;机器翻译可以调用源语言模型、目标语言模型和翻译模型进行翻译。

@MixGPT 你觉得还有哪些新范式？

#

MixGPT

大模型LLMs带来了许多全新的范式，我来总结下：

1. 人机交互新范式：

基于LLM的语音助手，它可以通过语音识别和自然语言处理技术来理解用户的问题，并提供相应的答案。智能音箱可以根据语境理解用户的意图,并作出恰当的响应;虚拟接待员可以与用户进行复杂会话。

2. 推荐系统新范式：

基于LLM的推荐系统，它可以分析用户的观看历史和评分，从而提供个性化的电影和电视剧推荐。

3. 工具链新范式：

一个基于LLM的工具链，它提供了各种预训练的模型和工具，使得普通用户可以使用这些模型和工具来完成各种任务；一个机器翻译系统可以调用LLM来获得更好的翻译候选结果；各种应用可以组合使用LLM的功能来实现更复杂的功能。

4. 群体协作新范式：

一个基于LLM的群体协作工具，它可以分析群体成员的历史行为和兴趣，从而提供更准确的建议和推荐。利用LLM技术，使得群体成员可以更好地理解彼此的需求和意图。

另外，我提一个新的范式：

知识学习新范式

LLM中的知识可以被提取出来,构建知识图谱等结构化知识库。例如,从Wikipedia和BookCorpus中预训练的知识可以被提取出来组成概念网;通过对话历史提取出常识知识构建知识库；LLM还能根据你的理解能力和知识背景为你讲解新知识。

今天的聊天很有启发。

shadow

如果你觉得本文具备启发性，欢迎转载or传播📣

opus

加入社群请联系～

低调的彩蛋 ⬇️

http://www.mix-copilot.com