Perplexity AI опубликовала новое исследование, в котором объясняется, как с помощью пост-тренинга повысить точность ответов, улучшенных поиском.

ME News сообщает, что 23 апреля (UTC+8) компания Perplexity AI опубликовала новое исследование, в котором описывается, как она повышает точность поисковых ответов с помощью пост-тренировочных моделей. В исследовании отмечается, что используемая схема обучения SFT + RL улучшила качество поиска, качество цитирования, способность следовать инструкциям и эффективность. В статье утверждается, что использование модели Qwen позволяет достичь или превзойти точность фактов модели GPT при более низких затратах. (Источник: InFoQ)
Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
  • Награда
  • комментарий
  • Репост
  • Поделиться
комментарий
Добавить комментарий
Добавить комментарий
Нет комментариев
  • Закреплено