സ്വയം-രഹസ്യാന്വേഷണ ശൃംഖലയുടെ ഒരു പുതിയ യുഗം: ഒരു വലിയ മോഡൽ-നയിക്കുന്ന ഭാവി

2023 AI നെറ്റ്വർക്ക് ഇന്നൊവേഷൻ കോൺഫറൻസ് ബിബിഎസ്
എയ് പ്രാപ്തമാക്കൽ, ഡിജിറ്റൽ ശൃംഖല, എൽ 5 വരെയുള്ള സ്വയം-രഹസ്യാന്വേഷണ ശൃംഖലയെക്കുറിച്ചുള്ള രഹസ്യാന്വേഷണ നിലയെ പിന്തുണയ്ക്കുകയും സ്വയം ഇന്റലിജൻസ് പൂർത്തിയാക്കാൻ സ്വയം രഹസ്യാന്വേഷണ ശൃംഖലയെ സഹായിക്കുകയും ചെയ്യുന്നുവെന്നും ലു ജിയാങ്ഗുവോ പറഞ്ഞു. ഈ പ്രധാന സാങ്കേതികവിദ്യകളിൽ, AI ആണ് ഏറ്റവും പ്രധാനപ്പെട്ട എഞ്ചിൻ, വലിയ മോഡലുകൾ AI സാങ്കേതികവിദ്യയിലെ പ്രധാന മോഡലുകൾ.
വലിയ മോഡൽ സ്വയം-രഹസ്യാന്വേഷണ ശൃംഖലയ്ക്ക് എങ്ങനെ പ്രയോഗിക്കാമെന്നതിൽ ലു ജിയാങ്ഗുവ് അവതരിപ്പിച്ചു, വലിയ മോഡലിന് സൂപ്പർ ഉൽപാദന കഴിവുണ്ട്, മാത്രമല്ല ധാരാളം സ്കീമുകൾ സൃഷ്ടിക്കാനും കഴിയും. ബ ual ദ്ധിക നെറ്റ്വർക്ക് പ്രവർത്തനങ്ങൾക്ക് ഉയർന്ന പ്രവർത്തന ഘട്ടങ്ങൾ നടപ്പിലാക്കേണ്ടതുണ്ട്, അദൃശ്യമായ പരിഹാരം കണ്ടെത്തുന്നതിന് ഉയർന്ന പ്രവർത്തന ഘട്ടങ്ങൾ നടപ്പിലാക്കേണ്ടതുണ്ട്, എൻപി (പോളിനോമിയൽ) ഇതര സാമ്പിളുകൾ, വിലയിരുത്തൽ, ഒപ്റ്റിമൈസേഷൻ എന്നിവയ്ക്ക് വലിയ മോഡൽ, അനിവാര്യത, ഒപ്റ്റിമൈസേഷൻ എന്നിവയ്ക്ക്, അനിവാലിമരണ പരിഹാരത്തെ വേഗത്തിൽ സമീപിക്കും. എന്നിരുന്നാലും, വലിയ മോഡലുകൾ നിരവധി സ്കീമുകൾ സൃഷ്ടിക്കുന്നുണ്ടെങ്കിലും, ഈ സ്കീമുകൾ ഉപയോഗപ്രദമാണെന്ന് ഉറപ്പാക്കാൻ പ്രയാസമാണ്. വലിയ മോഡലുകൾക്ക് ചില ചിന്താശേഷി ഉണ്ടാണെങ്കിലും, സങ്കീർണ്ണമായ യുക്തിയുമായി ഇടപെടുമ്പോൾ അവർക്ക് ഇപ്പോഴും മനുഷ്യ ഇടപെടൽ ആവശ്യമാണ്. ഈ പ്രശ്നം പരിഹരിക്കുന്നതിന്, ഒരു അടഞ്ഞ ലൂപ്പ് ആവർത്തനം രൂപീകരിക്കുന്നതിന് മോഡലിന്റെ മുൻകൂട്ടി പരിശീലനവും മികച്ച ട്യൂണിംഗും സമന്വയിപ്പിക്കാൻ zte നിർദ്ദേശിക്കുന്നു. ഈ രീതിയിൽ, മാനുവൽ ഫീഡ്ബാക്ക്- ൽ നിന്ന് മാനുവൽ ഫീഡ്ബാക്ക്- ൽ നിന്ന് വ്യക്തമായ മാറ്റം സാധ്യമാകുന്നത് സാധ്യമാക്കും, അത് ഒരു വശത്ത് വലിയ മോഡലുകളുടെ ഉത്പാദന ശേഷിയും മറുവശത്ത്, മറുവശത്ത്, വിശ്വസനീയവും ഉറപ്പാക്കാം. ഈ സ്കീമിൽ, വിജ്ഞാന എഞ്ചിനീയറിംഗ് ഉപയോഗിച്ച് പ്രവർത്തനവും പരിപാലനീയതയും നിർമ്മിക്കുന്നതിനുള്ള ഒരു പ്രധാന ലിങ്കാണ്. മോഡൽ മിഥ്യയെ ഒഴിവാക്കുന്നതിനും തലമുറ സ്കീമിന്റെ വിശ്വാസ്യതയും കൃത്യതയും ഉറപ്പാക്കുന്നതിനായി ഡാറ്റയുടെ ആസ്ഥാനമായുള്ള ഡാറ്റയുടെ ഉത്പാദന വിഭാഗം. ഈ അറിവ് ഗ്രാഫ് അധിഷ്ഠിത സമീപനത്തിന് വിദഗ്ദ്ധനുമായ അനുഭവവും മാതൃകാപരമായ ശേഷിയും കൂടുതൽ വിശ്വസനീയമായ പരിഹാസം നൽകുന്നതിന് കഴിയും.

വലിയ മോഡലിന്റെ ആപ്ലിക്കേഷൻ ലോജിക് രൂപകൽപ്പനയ്ക്കായി, പ്രോംപ്റ്റ് എഞ്ചിനീയറിംഗ് അടിസ്ഥാനമാക്കി മോഡൽ ഓടിക്കുന്ന-ലൂപ്പ് രീതി ZTE സ്വീകരിക്കുമെന്ന് ലു ജിയാങ്ഗുവോ അവതരിപ്പിച്ചു. മനുഷ്യഭാഷയുടെ (പ്രോംപ്റ്റ് ടെംപ്ലേറ്റ്) ഇൻപുട്ടിന്റെ ഘടനാപരമായ പ്രദർശന പദപ്രയോഗം നടത്താനാണ് രൂപകൽപ്പനയുടെ സാരാംശം വലിയ മോഡലിലൂടെ ഘടനാപരമായ output ട്ട്പുട്ട് സൃഷ്ടിക്കുക, ഒടുവിൽ ആപ്ലിക്കേഷൻ ചട്ടക്കൂടിന്റെ സംവേദനാത്മക വധശിക്ഷ സംയോജിപ്പിക്കുക. മുകളിലുള്ള യുക്തി തിരിച്ചറിയുന്നതിന്, മൾട്ടി-മോഡൽ കഴിവ്, റിസോഴ്സ് റിസർവ് റിസോഴ്സ് റിസർവ് / ആറ്റോമിക് സിമുലേഷൻ ക്ലീൻ പരിസ്ഥിതി, ആറ്റോമിക് സിമുലേഷൻ എപിഐ ശേഷി റിസർവ്, ഡിജിറ്റൽ ക്വിൻ ഓഫ് ഓട്ടോമാറ്റിക് ക്ലോസിറ്റി റിസർവ്, ഡിജിറ്റൽ ട്വിൻ ഓട്ടോമാറ്റിക് ക്ലോസേഷൻ റിസർവ്, ഇ.പി.ജി.
വലിയ മോഡലിന്റെ പ്രധാന മൂല്യം അതിന്റെ ഉയർന്ന മൂല്യമുള്ളതായി ലു ജിയാങ്ഗുവോ പറഞ്ഞു, അതായത്, നിലവിലുള്ള അറിവ് സംയോജിപ്പിച്ച് ഇത് നവീകരണം സൃഷ്ടിക്കാൻ കഴിയും. എന്നിരുന്നാലും, ഈ ഈ ശേഷിയുടെ തിരിച്ചറിവ് ഉയർന്ന നിലവാരമുള്ള ഡാറ്റ ഉൽപാദനം, സ്വീകാര്യത, മഴ എന്നിവയെ ആശ്രയിച്ചിരിക്കുന്നു. ഡാറ്റയുടെ ഒരു സദ്ഗുണ ചക്രം നിർണ്ണായക ഘടകമാണ്.