lw
webgpt是需要手动标注吗，这样工作量太大了
作者回复：你好，lw！这里确实需要巨大的标注成本，不过早期的手动标注工作是必要的。因为只有这样才能推动数据飞轮，进而吸引用户使用，形成更长期的数据反馈闭环。
2023-10-13
aLong
置顶
结合最近OpenAI出现的反转剧情来看。 “以担心人工智能系统将达到不可控程度” 这方面的内容确实存在的问题。 尤其是在 IILYA 的一些课看法中感觉到IILYA对OpenAI安全政策的批评是具有建设性的。OpenAI应该认真考虑IILYA的建议，并采取措施加强AI安全。
具体来说，两者有以下相似之处：
1. 都认为AI技术存在一定的风险。
2. 都认为需要采取措施加强AI安全。
3. 都建议建立独立的机构来监督AI技术的开发和使用。
而马斯克旗下的Grok。又是联名信后的另一个产物，我不知道他内心是怎么想的。挺半年这个措施，如果是为了商量讨论怎么来制定安全有关的会议，我想那可能还是单纯的考虑安全问题。但是Grok的出现，以及他平时宣传风格。马斯克的安全意识还是要加引号的。
作者回复：你好，aLong！回答得很好，从头像看得出你是一个很懂马斯克的人 :)
2023-11-23
l_j_dota_1111
老师你好，在LLM使用api那一节课里，既然所有的api都已经放入向量数据库了，为何还要拿api训练模型呢，直接把向量数据库搜寻的结果和prompt一起传给大模型不就行了吗
作者回复：同学你好，这是一个很好的问题，因为这个过程包含两个步骤。第一步是告诉大模型你的任务是什么，同时指定它可以使用的 API 工具。在这个过程中，你需要列出哪些 API 工具是可用的；第二步大模型则需要根据它掌握的知识，来组合使用这些 API 工具，以完成你的任务。如果它在训练数据中从未见过这些 API，很难高效地理解并组合使用它们。
2023-11-30
默默且听风
从空间到世界:这部分基本上能懂
从低维到高维:这部分结合one-hot encoding和代码能get到
从特征到特征:这个还有什么例子吗？脑子里基本没有想象空间啊，我现在的大脑就像那个三菱的光一样什么一没存住
作者回复：你好，听风！看来你真的很认真地二刷，非常好！实际上，本节课的第一个例子就是从特征到特征的案例。这里再给你一个更具体的场景，如果我们要通过接收到的地震波来判断是否发生了地震（注意不是预测），会受到各种噪音的干扰。在这种情况下，我们可以使用各种滤波器（比如本节课提到的各种函数）对原始波形数据进行滤波，然后通过各个滤波器生成的新波形来综合判断是否发生了地震。在这里，经过滤波后生成的新数据就是原始波形的特征，也就是特征的特征。
2023-11-20
海平
感谢Tyler老师精心设计准备的课程，不只是知识的分享，还有更多对于背后why的思考启示，让人受益匪浅！
我们处在一个巨大变革的时代，唯有告别焦虑，踏实学习，独立思考，不断充实自己，方能在变革中，既可推动变革发展，又可安身立命！
作者回复：你好海平，感谢你的支持！
2023-11-30
Ethan New
潜水学习，浮上来打一个卡。看完Tyler老师的课程受益匪浅，但还是有些消化吸收不了，希望可以在后面二刷，三刷中真正学习到老师想要表达的思想
编辑回复：感谢你的反馈。期待你开启“二周目”，有什么疑问或者学习收获，都可以继续留言区交流分享哦～
2023-12-04
Geek_71a740
赞一个，太实用了
2023-11-23
默默且听风
置顶
受益匪浅，打算在选个时间二刷。虽然目前还是很菜，但已经有了笼统的概念。二刷或者三刷的时候是可以有针对性的去学的
作者回复：同学你好，课程的交流群里和大家聊过，这里也再贴一下的建议：
对于基础较少的同学，第一遍学的时候可以先搞懂各个常见的概念，第二遍弄懂每项知识的细节，第三到四遍找到这些知识之间的联系，并且理解技术发展和产业之间的关系。
第一遍看的同学也可以尝试先看一下32课，找找全局的感觉。然后再回头看前面的课程。
2023-11-16
一只豆
越来越期待后面的课程了～
请教老师一个 “大模型性能评估”的问题。当我们着手针对垂直领域进行大模型的定制化开发时，我们可能在对比调用GPT4 API 和自家大模型的效果。 那关于性能评估这块，我理解一部分是 之前产品经理要做的 user case 的描述，但因为是个新技术，能力也更强，除了原先写 user case 的内功心法之外，是不是有一些新的框架性思考或者 guideline 之类的东西可以学习？
再次感谢老师，把小圈子的知识普惠出来，功德太大了～
作者回复：你好，一只豆！ 很好的问题。大模型系统的性能评估，要分为几个层面。首先要明确业务系统的北极星指标，这部分需要配合在线 AB 实验系统进行监测。其次要定义客户的动线，也就是你说的用例，要想办法设计用户反馈闭环，让用户的反馈信息不仅能够成为 LLM 的评估指标，还能成为 LLM 的训练监督信号。最后需要评估 LLM 的本身的能力，其中包括对 LLM 的“语言知识”和“世界知识”的考察，这些方法在后面的课程中会逐一展开。在接下来的课程中，也期待你的反馈。
2023-08-21
1
学要有所用
置顶
学习AI技术需要的基础有哪些？作者能详细说说吗？
作者回复：同学你好！我们在课程中为同学们准备了AI基础知识的内容，在第二章中我会带你学习人工智能的基础知识，以及人工智能三大学派算法的特点。在第三章中，我还会带你学习 NLP 领域的一些代表性模型，最后再进入 Transformer 和 GPT 系列大语言模型的内容学习。
2023-08-27
讲师
Tyler
前亚马逊应用科学家，头部大厂 AIGC 算法技术负责人
编辑推荐
包含这门课的学习路径
AI大模型前沿知识
11门课程 12.2w人学习
看过的人还看了
