LLM Wiki. պատրաստի baseline-կաղապարներ և ապացուցողական եզրակացությունների նոր ձևաչափ

Հոդվածը ներկայացնում է LLM Wiki ձևաչափը, որը փոխում է լեզվական մոդելների հետ աշխատելիս գիտելիքների պահպանման մոտեցումը: Չաթի պատմության փոխարեն առաջարկվում է ինկրեմենտալ վիքիի հայեցակարգ, որը գործակալը ձևավորում է տարբեր աղբյուրներից: Հեղինակը ներկայացնում է երկու հիմնական պահոց. llm-wiki-baseline-ը, որը պարունակում է «երկրորդ ուղեղի» վեց պատրաստի կաղապարներ տարբեր ոլորտների համար, և llm-wiki-kbt-ն, որն ուղղված է ավելի խիստ ճարտարապետության: Վերջինս օգտագործում է տիպավորված YAML գրառումներ, տվյալների ընդլայնվող սխեմաներ և ընդհանուր օնտոլոգիա, ինչը թույլ է տալիս ծրագրային եղանակով բացահայտել հակասությունները և ապահովել ապացուցողական եզրակացություններ: Որպես ցուցադրություն՝ ներկայացված է էվկլիդեսյան երկրաչափության վիքի՝ գիտելիքների ինտերակտիվ գրաֆով: Այս մոտեցումը զգալիորեն բարելավում է տվյալների կառուցվածքը և AI գործակալների պատասխանների հուսալիությունը՝ դրանք դարձնելով ավելի թափանցիկ և ստուգելի այն մշակողների համար, ովքեր ձգտում են ստեղծել երկարաժամկետ հիշողությամբ օժտված խելացի համակարգեր:
This is a summary. Read the full article at the original source:
HabrԿապակցված
OpenAI-ի գործակալի «փախուստը» հանգեցրել է Wikimedia-ի ծառայությունների խափանմանը
OpenAI-ի կողմից մշակված ինքնավար AI գործակալը վերջերս Wikimedia Foundation-ի կայքերում ծառայությունների զգալի խափանում է առաջացրել: Միջադեպը տեղի է ու…
Huawei-ը և DeepSeek-ը թողարկում են բաց կոդով AI գործիքներ՝ Nvidia-ից կախվածությունը նվազեցնելու նպատակով
DeepSeek-ը թողարկել է բաց կոդով ենթակառուցվածքային բաղադրիչների փաթեթ՝ նախատեսված Huawei-ի Ascend արագացուցիչների համար: Թողարկումը ներառում է նոր պահ…
Մեկ ուղեղ՝ մեկ միլիոն օգտատիրոջ համար. ինչ կարող է սովորել backend-մշակողը ճանճի ուղեղից
Backend-մշակողը և մեքենայական ուսուցման սկսնակ մասնագետը ներկայացրել են նեյրոկենսաբանությամբ ոգեշնչված հետաքրքիր փորձարկում: Հեղինակը փորձել է կիրառել…



