Perplexity AI публікує нове дослідження, яке описує, як за допомогою пост-тренування підвищити точність відповідей, покращених пошуком.

ME News повідомлення, 23 квітня (UTC+8), компанія Perplexity AI нещодавно опублікувала нове дослідження, в якому пояснюється, як вона покращує точність пошукових відповідей за допомогою пост-тренувальних моделей. У дослідженні зазначається, що використання процесу SFT + RL навчання покращило якість пошуку, якість цитування, здатність слідувати інструкціям та ефективність. У статті стверджується, що використання моделі Qwen дозволяє досягти або перевершити модель GPT за фактичною точністю при нижчих витратах. (Джерело: InFoQ)
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
  • Нагородити
  • Прокоментувати
  • Репост
  • Поділіться
Прокоментувати
Додати коментар
Додати коментар
Немає коментарів
  • Закріплено