Հետ
Արհեստական բանականություն և մեքենայական ուսուցում

Ես ստիպեցի AI-գրասենյակի պետին հայհոյել գործակալներին. Եվ միայն հետո հասկացա, թե ինչն էր իրականում աշխատում

Habr
Advertisement468 × 90
Ես ստիպեցի AI-գրասենյակի պետին հայհոյել գործակալներին. Եվ միայն հետո հասկացա, թե ինչն էր իրականում աշխատում

Հոդվածի հեղինակը կիսվում է AI-գործակալների աշխատանքի օպտիմալացման իր անսովոր փորձով: Բախվելով այն խնդրին, որ քաղաքավարի և ջանասեր գործակալները միջին արդյունքներ են տալիս, նա որոշեց փոխել մոտեցումը՝ AI-գրասենյակի «պետին» օժտելով ավելի կոշտ, հուզականորեն հագեցած հաղորդակցման ոճով: Սկզբում հեղինակը ենթադրում էր, որ նեյրոնային ցանցերին պարզապես խիստ ղեկավար է պետք: Այնուամենայնիվ, խորը վերլուծությունը ցույց տվեց, որ հաջողության պատճառը ոչ թե հենց կոպտությունն է, այլ համատեքստի և պրոմպտինգի պարամետրերի փոփոխությունը, որոնք ստիպում են մոդելին դուրս գալ ստանդարտ, «անվտանգ» պատասխանների շրջանակից: Այս փորձը ընդգծում է համակարգային պրոմպտների կարգավորման և գործակալների վարքագծի կառավարման կարևորությունը՝ բարդ խնդիրներում ավելի որակյալ և ստեղծագործ արդյունքների հասնելու համար: Հոդվածն առաջարկում է վերանայել LLM-ների հետ փոխգործակցությունը՝ հեռանալով ձևանմուշային հրահանգներից դեպի համատեքստի ավելի դինամիկ կառավարում:

This is a summary. Read the full article at the original source:

Habr
Advertisement468 × 90
Share
Արհեստական բանականություն և մեքենայական ուսուցում

Կապակցված

Wontopos-ի ծրագրավորող Woochan-ը ներկայացրել է նոր, թափանցիկ չափորոշիչ (benchmark), որը նախատեսված է LLM-ների հիշողության հնարավորությունները գնահատել…

Dev.to

Ծրագրավորողը փորձարկել է երկու AI գործակալների օգտագործումը կոդի որակը կառավարելու համար՝ «հեղինակ» գործակալը՝ ֆունկցիաներ գրելու համար, և «թերահավատ»…

Dev.to
Advertisement970 × 250