... 2024-02-21 19:50 .. 答案：李白诗圣。
答案：杜甫青莲居士。
答案：李白东坡居士。
答案：苏轼香山居士。
答案：白居易天下第三行书。
答案：苏轼(黄州寒食诗帖)不减遒逸《兰亭》。
答案：松风阁诗帖记录大侠李如梦生平。
答案：蜀中大侠传熟读()，可知千古事。
答案：《三字经》送元二使安西。
答案：阳关三叠六韬。
答案：文、武、龙、虎、豹、犬宫商角羽徵。
答案：五行被称为太古之音，天地之音。
答案：琴音中虚外实，天地象也.....描述。
答案：月琴桑图尔琴。
答案：扬琴王之涣在《凉州词》。
答案：羌笛()之曲调犹如泣血啼鸣。
答案：湘妃怨()出现在明代《古音正宗》。
答案：平沙落雁礼有三本：天地者，生之本也;先祖者，类之本也;君师者，()也。
。
答案：治之本刑名之学。
答案：法家从心所欲不逾矩。
答案：理学知善知恶是良知，为善去恶是格物。
答案：心学花中之隐逸者。
答案：菊汾酒被称为。
答案：杏花酒北方七宿。
答案：斗、牛、女、虚 .. UfqiNews ↓ 0
... 05-19 08:50 , 752 , 160 ..
5. 你以为事情做完就可以了？No 当今人类围棋世界排名第一的柯洁，各类冠军拿到手软，他在介绍经验时就提到了一种秘密武器——复盘.
几乎每场比赛，无论输赢，他都会复盘，甚至是在2018年对阵人工智能机器人AlphaGo，被0:3横扫，输到崩溃痛哭，他赛后也会认真复盘.
因此，他在与AlphaGo赛后不久，在与其他人类棋手的比赛中豪取20连胜，追平围棋界传奇人物吴清源大师在1930—1931年创下的20连胜纪录.
复盘是棋类选手增长棋力的最重要方法，尤其是跟高手对弈时，可以通过他人视角看到自己思考不足的地方，从而将别人的经验化为己用.
下棋可以总结复盘，个人工作乃至公司管理就更需要复盘了.
但非常遗憾的是，很多人都抱着“只要把事情做完就可以了”的态度，缺乏事后的反思和总结，导致过去犯的错误一犯再犯.
还有的人虽然这次工作完成了，但因为缺乏总结沉淀，以后遇到类似的事情还是不会，还得从头学 ... 在中国高效率工作为何成了稀缺的事？-5 ⟶
5. 你以为事情做完就可以了？No 当今人类围棋世界排名第一的柯洁，各类冠军拿到手软，他在介绍经验时就提到了一种秘密武器——复盘.
几乎每场比赛，无论输赢，他都会复盘，甚至是在2018年对阵人工智能机器人AlphaGo，被0:3横扫，输到崩溃痛哭，他赛后也会认真复盘.
因此，他在与AlphaGo赛后不久，在与其他人类棋手的比赛中豪取20连胜，追平围棋界传奇人物吴清源大师在1930—1931年创下的20连胜纪录.
复盘是棋类选手增长棋力的最重要方法，尤其是跟高手对弈时，可以通过他人视角看到自己思考不足的地方，从而将别人的经验化为己用.
下棋可以总结复盘，个人工作乃至公司管理就更需要复盘了.
但非常遗憾的是，很多人都抱着“只要把事情做完就可以了”的态度，缺乏事后的反思和总结，导致过去犯的错误一犯再犯.
还有的人虽然这次工作完成了，但因为缺乏总结沉淀，以后遇到类似的事情还是不会，还得从头学 ... 在中国高效率工作为何成了稀缺的事？-5 ⟶
... 
02-08 06:16 , 7434 , 127 ..
迈向通用人工智能AGI之路：大型语言模型LLM技术精要-8
智慧之光：如何增强LLM的推理能力
目前很多研究已证明LLM对于知识具有强大的记忆能力，但是，一般我们不会因为一个人记忆能力强，就说这人很聪明，是否具有强大的推理能力，往往是我们判断一个人是否聪明的重要标准.
类似的，如果LLM的效果想让人觉得很惊艳，强大的推理能力是必备的.
推理能力本质上是综合运用很多相关知识点，去推导出新知识或新结论.
关于LLM的推理能力，是最近一年来LLM里最重要和热门的研究领域之一.
于是，我们关心的问题就是：LLM具备推理能力吗？如果具备，那么它的推理能力够强吗？
这两个问题目前的答案似乎应该是：当模型规模足够大的时候，LLM本身是具备推理能力的，在简单推理问题上，LLM已经达到了很好的能力，但是复杂推理问题上，还需要更多深入的研究.
如果梳理现有LLM推理相关工作的话，我把它们归到两大类，体现出挖掘或促进LLM推理能力不同的技术思路：第一类研究比较多，可以统称为基于Prompt的方法，核心思想是通过合适的提示语或提示样本，更好地激发出LLM本身就具备的推理能力，Google在这个方向做了大量很有成效的工作.
第二类做法是在预训练过程中引入程序代码，和文本一起参与预训练，以此进一步增强LLM的推理能力，这应该是OpenAI实践出的思路.
比如ChatGPT肯定具备很强的推理能力，但它并不要求用户必须提供一些推理示例，所以ChatGPT强大的推理能力，大概率来源于使用代码参与GPT 3.5的预训练.
这两种思路其实大方向是迥异的：利用代码增强LLM推理能力，这体现出一种通过增加多样性的训练数据，来直接增强LLM推理能力的思路；而基于Prompt的方法，它并不会促进LLM本身的推理能力，只是让LLM在解决问题过程中更好地展示出这种能力的技术方法.
可以看出，前者（代码方法）治本，后者治标.
... 迈向通用人工智能AGI之路：大型语言模型LLM技术精要-8 ⟶
02-08 06:16 , 7434 , 127 ..
迈向通用人工智能AGI之路：大型语言模型LLM技术精要-8
智慧之光：如何增强LLM的推理能力
目前很多研究已证明LLM对于知识具有强大的记忆能力，但是，一般我们不会因为一个人记忆能力强，就说这人很聪明，是否具有强大的推理能力，往往是我们判断一个人是否聪明的重要标准.
类似的，如果LLM的效果想让人觉得很惊艳，强大的推理能力是必备的.
推理能力本质上是综合运用很多相关知识点，去推导出新知识或新结论.
关于LLM的推理能力，是最近一年来LLM里最重要和热门的研究领域之一.
于是，我们关心的问题就是：LLM具备推理能力吗？如果具备，那么它的推理能力够强吗？
这两个问题目前的答案似乎应该是：当模型规模足够大的时候，LLM本身是具备推理能力的，在简单推理问题上，LLM已经达到了很好的能力，但是复杂推理问题上，还需要更多深入的研究.
如果梳理现有LLM推理相关工作的话，我把它们归到两大类，体现出挖掘或促进LLM推理能力不同的技术思路：第一类研究比较多，可以统称为基于Prompt的方法，核心思想是通过合适的提示语或提示样本，更好地激发出LLM本身就具备的推理能力，Google在这个方向做了大量很有成效的工作.
第二类做法是在预训练过程中引入程序代码，和文本一起参与预训练，以此进一步增强LLM的推理能力，这应该是OpenAI实践出的思路.
比如ChatGPT肯定具备很强的推理能力，但它并不要求用户必须提供一些推理示例，所以ChatGPT强大的推理能力，大概率来源于使用代码参与GPT 3.5的预训练.
这两种思路其实大方向是迥异的：利用代码增强LLM推理能力，这体现出一种通过增加多样性的训练数据，来直接增强LLM推理能力的思路；而基于Prompt的方法，它并不会促进LLM本身的推理能力，只是让LLM在解决问题过程中更好地展示出这种能力的技术方法.
可以看出，前者（代码方法）治本，后者治标.
... 迈向通用人工智能AGI之路：大型语言模型LLM技术精要-8 ⟶
本页Url
🤖 智能推荐
