5-10% nhìn có vẻ khiêm tốn, nhưng là không mẫu nào anh em ơi, đây là sự biến đổi chất lượng

Xem bản gốc
MeNews
CMU Robotics và nhóm Lambda đề xuất phương pháp Sim2Reason, huấn luyện mô hình ngôn ngữ lớn trong trình giả lập để học vật lý
Ngày 17 tháng 4, Trường Robotics của Đại học Carnegie Mellon phối hợp với Lambda đề xuất phương pháp huấn luyện Sim2Reason, nhằm giải quyết vấn đề thiếu dữ liệu chất lượng cao trong lĩnh vực AI STEM.
Chủ yếu là huấn luyện không có nhãn cho các mô hình ngôn ngữ lớn trong thế giới ảo bị chi phối bởi các định luật vật lý thực tế, thông qua trải nghiệm học vật lý.
Phương pháp này được cho là có thể nâng cao hiệu suất không mẫu của mô hình trong cuộc thi Olympic Vật lý quốc tế từ 5-10%.
Nguồn: InFoQ
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
  • Phần thưởng
  • Bình luận
  • Đăng lại
  • Retweed
Bình luận
Thêm một bình luận
Thêm một bình luận
Không có bình luận
  • Đã ghim