哈喽,大家早上好!欢迎来到 ai 一分钟。今天是二零二三年七月十二号。今天 ai 圈也发生了一些事情,让我们来分享给大家。首先,一个开源的 ai 研究组织 agora 发布了由微软发表的 long night 论文的代码 rapper。 该 rapper 今天在 gitta 上流行起来, 是 long night 的即插即用版本,使得 transformer 能够显著扩展。今天突然有一份报告公开揭示了 oba ai 的 gpt four 架构。这篇文章讨论了多个方面,包括模型的推理成本,模型的架构,比如专家混合模型、数据及病情化和推测解码。这份报告非常出人意料的详细。 一个类似于 long night 的 ripple 叫 long lama, 正在 gitap 上流行。这个 ripple 使用了一个被称为 focus transformer 的技术来训练模型。最后一个叫 chai g b t 到 j s 的 rapper 在 gitap 上流行。这个 rapid 是一个面向客户端开发的关于 chai g b t 的 javascript。 cool。 开发 者用这个 report 去开发了很多应用程序,包括向 chi g b t 提问来生成多个回答和用 dot dog go 搜索引擎。好了,今天的内容就到这里,早安,早安!
粉丝955获赞1603

拆的 gpd 最强大的插件大码解释器昨日终于公开上线了,它可以为你进行数据分析,并生成这样这样甚至这样的三 d 交互数据图,它还可以根据数据为你生成这样的一段视频,甚至自动编程生成一个网站。 你只需要打开设置,开启代码解释器,就相当于拥有了一个免费的程序员为你打工,大家也去试试吧!

这段时间,老钟带着独立的团队做了一套对接 gbt 的 ai 智能聊天系统,这套系统除了面向 c 端推广运营,我们还会提供元代码给需要的朋友, 可能你会问,都在运营了,为啥还卖元代码呢?是不是运营不赚钱?其实很简单啊,我们团队更擅长的是做系统元代码产品,而不是做运营 对于以往积累的客户信任,提供系统原代码是最直接的变现方式。你有再大的理想,首先要活下来才能谈起他。 我们敢于调整,有很大的热情去尝试 c 端运营这个擅长的方向,这就是 ai 风口的力量,所以我们已经在转型的路上了,但是不能一蹴而就,欢迎找老钟聊聊,无论运营还是买 ai 系统的元代码,都非常欢迎,感谢大家的关注!

人工智能时代的黑暗森林法则已经来临了,大公司都不会继续开远自己最核心的人工智能技术了。那么我们怎么办?我们还有发展的希望吗?目前文献一年还能吃到最近几年美国公司开远的红利,以后的日子恐怕会越来越难熬,差距会越来越大。 openia 的 g p t 二是开源的代码,论文全是公开的,到了 g p t 三就只有论文公开了,代码,就没有继续开源了。到了掐了 g p t 论文代码,什么都不公开了。 g p t 四也是完全的封闭。 所以这家号称 open ai 的机构,从最初的非盈利型组织,最后变成彻头彻尾的盈利型公司了。好,这是 open ai 和微软。那么谷歌和 mate 呢?他们会开源自己的核心的大模型吗?大概率不会。就像宇宙当中的黑暗森林法则,如 如果公开了,那么就会把自己的核心技术暴露出去,进而提高对手的竞争力。所以最安全的做法就是不公开。以后每一家公司大型 ai 模型都不会公开了。 这也是 open ai 目前做的。因为这些公司的目标都是要盈利的,要被巨额投资带来回报的,所以不可能继续开源这些核心的前沿。接触了谷歌, meta 基于同样的竞争逻辑,接下来会相应的关闭这些窗口。 我们再也难以看到他们最核心的 ai 技术了。可能放出来的都是一些零散的非核心技术,最前沿的大模型方面的突破性技术,永远不会再公开出来了。但是不是意味着我们没有任何机会了呢? ai 发展这扇门是不是完全堵住了呢? 虽然大公司的前沿技术封闭了,但是还有一个窗口就是学术界。整个学术界论文是公开的,这个不会封闭。那么最 最后我们学习的地方就剩下学术界以及大公司愿意公开出来的东西了。所以国内公司的 ai 发展道路会越来越难,差距会越来越大。因为世界最常见的接触是诞生在美国大公司里面的,而不是学术界,学术界反而是第二梯队,所以我们以后就只能跟着第二梯队学习了。

宇宙级更新啊兄弟们! gbt 四死对头 club two 公开向 gbt 宣战,直接推出了上下文支持一百 k 的新版本,什么概念啊兄弟们?以前我们丢一个几千字的文档给 gbt 四,直接当场去世, 但是有了 cloud two, 我们可以甩给他几万字的文档,他竟然分分钟理解全部内容,并且还能为你总结核心思想,这像话吗?兄弟们,以后一分钟带你读完百年孤独真的不是说笑了, 信息获取的效率被可劳兔指数级拉升,再也不用苦逼的人肉分割文章,然后一段段的再发给 g b t 了,而且还要担心发多了 g b t 健忘的问题。更震撼的是,如此逆天的长文本能力竟 竟然免费使用,不像 gbd 四每月几十美金的开销,太良心了!而且最不可思议的是, cloud two 代码能力非常炸裂,我试着把一段五千行的开源代码直接丢给他,他竟然逻辑清晰的为我讲解这一坨代码的功能是什么,这在以前是无法想象的。即使是不懂编程的小白,也可以把代码丢给 cloud two 让他讲解, 而且反复提问,换着花样给你讲,他也不会烦。可凹凸的出现就像一把尖刀,直插到 gpt 的心脏, 而这把尖刀最亮眼的锋芒就是常文本能力。试想 cloud two 可以分分钟读完一本小学课本,为你的孩子提供适龄的个性化教育,孩子不用再枯燥的翻书刷题,而是用小朋友的语言跟教科书交互,这还会讨厌学习吗? 这又会打开怎样巨大的商业落地空间?所以说, ai 时代遍地是机会,兄弟们,你看到了吗?关注我,跟紧 ai 前沿!

刚毕业,读不懂程序源码,找不到师傅帮忙解读源码?人工智能叉 g p t 阅读源码神器。首先 ctrl 加左键找到我们需要阅读的源码所在的位置,打开源码所在的文件以后, 比如说这一段代码我看不太明白,不知道他讲的到底是什么意思,这样我就可以把它选中复制出来,然后打开 chat cpt 窗口,把刚才那一段复制的代码粘贴到窗口中。我们看一下人工智能的解释, 我感觉解释的很不错,我一下就看明白了。怎么样,你看明白了吗?

g p t chart 那个 g p t g l m 微调的这个模型,那么在这个微调的模型里面有一个非常重要的,就是如何产生这个训练的数据,因为它是要五点二万条数据,然后再进行微调和训练的。 所以的话呢,我们我最近也看了一些开源的一些解决方案,他能够通过一百七十五个一百七十五条的这个叫种子任务,自动的可以产生出这样的一个训练的样本, 它是主要这个今天我可以跟大家讲一讲这个东西啊,这个也是蛮主要的啊,因为我们知道那个 chat gpd 的话呢,它是各个行业都可以应用的,对吧?然后如果你企业要把你的知识能够沉淀在这个人工智能的这个模型里面的话呢,我们去训练一个 chat glm 的这样的一个模型,哎,把这是自己知识的那个 knowledge 沉淀在这个模型里面,然后这个算力安过机器去替代你的一些人力,这个还是非常有价值的啊这件事情, no, 我们今天的这个 项目,它叫 self in instruct, 就是自己产生,呃,这个是这样的,呃 呃,是零二年的,呃,二零二十二月二十号,他是刚刚公布出来的,他这篇论文还是蛮新的,他这个那就是有很多的项目,就是另一个论文开始写了一些代码,像那个目前国外比较火的那个羊驼的那个训练的那个模型,他就是用这个 self instruct, 用一百七十五个 种子指令,自动的能够产生五点二万条的这个训练的数据,我就跟大家讲一讲他到底是怎么来工作的? negro 呢?我就不讲了,就是背景应用的场景我就不讲了, 应该大家都会比较清楚,因为我们清楚你这个就是指令的提示学习,他非常重要,产生各种各样的提示指令,这个提示指的指令可以让你的这个模型他比你的叫 findoten 更有价值啊,微调,所以更好啊, 所以的话指令就会非常重要。但是呃,你人工写的提示指令不一定是你机器最优的,所以的话呢,他他又耗费工时,成本又非常高,所以的话呢,经过机器来产生,自动的产生这些提示的指令, 呃,只可以输入到你这个模型的马逊 learning 的这样一个训练级当中去啊,我们来看看啊这张图,我们来看一下,它呢是经过四个步骤, st, step, 一二,三,四,经过四个步骤之后,它就能够把一百七十五个这个人工写的这种叫种子任务 自动的能产生五点二万条的指令,当然如果你要产生更多,它主要你输入一个参数。但是目前像这种 呃智能的这个指令学习,像那个一到这个十三,呃,一百三十亿的这个大模型的话,他要几万条指令就已经足够了啊。他是这样,那么步的话,是先通过这手工写的这个指令先,他会 扔给这个 g p t at g p t, 它就利用了 chat g p t 的这个能力,它把这个指令认给 chat g p t, 然后把 chat g p t 的这个返回 response 返回,它通过这种方式去构建指令,它通过这种方式去做的,当然它前提是要你要手工先写一些指令,它这个指令的话就不断的循环, 不断的去问,掐着 gpg, 然后他能产生很多很多的这个指令,他是通过这种方式去做的,产生五五万多条指令之后的话呢,他进入了第二个步骤,就是对这些任务进行分类。为什么要进行分类呢?这个是跟我们提示指令学习是有一定的关系的,为什么?因为 他在那个就是掐着 g p t, 他回答人的问题的时候呢?他有两种类型,一种类型呢他叫分类任务,比如说呃,你问他呃你的这个呃电影到底是呃积极乐观的、悲观的,那么这个问题或者你要要回答 yes or no 啊,或者你要有回答,它叫分类。那么还有呢就是填空,填空就你让它自动的产生一些东西啊,这个也是啊,它主要是分这两大类啊,它等于是这样换来你通过这个一百七十五个种子的任务问及,掐着 g p t 去不断的去循环,然后产生各种各样的 五万条的这个指令,或者十万条的这个指令,然后的指令这些问题,然后你再去把这个去进行做一个分类,到底是一个分类回答还是个填空的回答?然后 进入第三步就把这个纸再去问 chat g p g, 让他把答案帮你填上去啊,填上去填完了之后的话呢,他会有这个一个这样的一个知识库里面去,在这个知识库里面他再会去做一些你这个指定是否重复啊?对吧?你的回答是否这个有有一些问题啊?他会做一些过滤,然后再 在在成在呃过滤完的这些指任务指令的话呢,可变成这个训练的数据,他是通过这种啊,呃,这个是他整个一个处理的,这样的一个会发现,哎,我们如果去训练我行业 一个一个机器人的话,他就会非常方便啊,你只要去写一期标准的问答啊,你只要去去做,大概呃几百条啊,那他就可以通过呃 gpd 四或 gpd, 他可以产生各种各样的这个训练的数据啊。他通过这种方式去做的 那个项目的话呢?他也把最后的元代码都开元啊,都把最后的元代码开元。我们看一下啊,他用他这种方法去做的话,第一条出来的这个模型性能量 啊,这个是他的一个统计,是产生了五万千四百四十五条数据啊,那么他当中有一些分类的指令,有一万一千五百八十四条,然后非分类的指令是三零八百 百六十一条啊,它等于是这样。呃,然后它的浓度就是字符的话呢,它有大概呃接,嗯,十六个 word, 它等于是这样啊,那么大部分都是一些。呃。 这个指令是输入吗?他这个问 g p t 回答的他的这个问题,他平均的这个指令的长度大概是在十九个 w, 就是十十九个英文单词,他等于是这样,他们也做了一些实验,实验这个是一张大图,他大概五万多条直 指令里面他这个 top 二十,他的,他的这个指令的分布到底是怎么样的?他可能让他去写一个什么函数,写一个 write, 写一段话,给一些建议啊,给一些 zangpo 啊, list 啊,呃。寻找一些 word。 他他他这个我就不讲了,他他会把这个指令产生完,他就做了一个分布, 他到底有哪些任务都是可以做的,什么描述啊?产生啊、分类啊、制啊、值啊啊,这个是他这个产生了这些指令之后,他们就 拿这个东西去训练,训练,训练的话呢,它它有一个非常强的一个东西,就是它有一个叫 g p t 三这个模型,用了它的这个 self instruct, 就是它自己的指令生成的 这种方式,它去训练了一个 g p d 三的这样一个模型,它这个模型它的这个性能跟 instruct g g g g p g 的第一个版本、第二个版本、第三个版本,它在这个论文里面都做了对比, 它跟这些 instruct 的这个 gpt 啊,就是 gpd 三点五 chat gpt 的它这个性能就是比较接近啊,比较接近,当然没有 掐的 gpd 性能好,但是也是已经比较接近,这个是他这个论文的主要的这个概述。我就跟大家就聊到这,我们再深入一下,再看看他的源代码,这部分是要重点来讲一讲源代码。嗯,我们前面是介绍过,他主要是源代码只要分了四个步骤,第一个步骤就是你要 产生指令,你就是通过最基础的一百多条人工输入的这个问答的指令,然后你要产生五万多条指令,这个是怎么产生的?我们代码一起来看一下。这个我觉得 比较有价值。首先的话呢,他还是去读取,读取这个用户就是 human right, 就是用户写的这些指令作为一个叫种子指令,他是这样来做的,他是第一步。然后做完了之后的话呢,他会有一个这个是比较重要的,他会去对比你机器产生的这个指令, 在我这个指令库里面,在我这个训练的数据里面,他要去对比他的相似度,如果他的相似度非常高,大于百分之七十,这条指定是不会采纳的,他这条指定是不会采纳, 那么他这边也会定义一个总共要产生多少条指令,他这个里面有一个值的,他这个里面写的定义的是五万条,当然你可以定义十十万条更多也是可以的。当然你定 音的指令越多,那你要训练微调你的整个一个模型的时间需要更久。目前看下来他们五万多条指指令,他们是研究过的,数量是比较最优的,他是最优的。好,那么他拿到这个指令之后的话,就去问 mac 这个 g p t 三去请求。他拿到这个指令之后,作为一个请求的一个参数 去问 g p t 去要它的这个返回,那么这个返回它其实本质上也是一个问题,它等于是这样,它也会作为一个指令,然后存放下来,它就 不断的是这样,他拿回来的指令他会去做一个相似度的一个对比,如果这个相似度超过百分之七十,他这条指令就扔掉了。如果他相似度没有达到七十,他认为这条指令是放在他的这个指指令级里面, 他是这样,那这样就不断的去循环,他是这样来产生指令级的。好,这个代码还是比较简单的,这,这是第一步,第二步的话呢,他要 做一个操作,我前面产生的从这个 chat g p t 里面, g p t 三里面产生的这个指指令级,我要去问这个,继续去询问这个 chat g p t。 这条指令到底是 分类任务,还是到底是填空的任务?他主要是做这样一件事情,他也是一样,他要把五万多条的指令再进行循环,去问这个 chat g p t。 他到底是不是一个分类的一个任务,如果是分类任务,那么他要打上这个分类任务的标记,如果不是分类任务,那么他就是这个分类任务,就是 force, 他主要是做这样一件事情,这是第二步, 那么第三步他就要去把前面的这个构造出来的这些指令进行,再去问 chat g p t。 他的这些问问题,去问 chat g p t。 要答案,他是这样的,他就不不断的去问他要答案,然后把它存储在这个这个这个训练的这个数据集里面,他还是一样好。最后这他呢?他也是比较简单的啊,他主要 做一些过滤,过滤和操作啊,有没有重复的?叫 instance, 有有有没有重复的这种要训练的这个样本,他就把他踢掉,有没有错误的这个这个样本要把它过滤掉,他主要是做这样一件事情,呃,如果他最后的过滤操作都做完了,那么他就会保存在一个文件里面, 他训练的这个样本的,从这个重报让呃恰的产生任务,对吧?产生这些的样本他就完成了,然后他会保存,保存下来,然后他保存了这个面, 他们的那个最终的这个格式,他这个论文里面也讲了,就是可能这个他通过这种方式啊,他会错误的产生一些 指令和训练的这个数据,他有可能有些低质量的,他也会产生的,所以这个时候他还需要最好能够经过一部分叫用户的验证。他这个里面也讲了一下,他叫评估,最好能够经过一个用户的评估啊,当然你这 多的几万条的这个数据,你要经过用户的评估,其实工作量还是蛮大的,等于是这样当然比你原来从头到尾写那个效率要高很多了,他等于是这样好的,那么经过这个四步之后,他就可以他他这个测试的数据集就产生了,所以这个方案他可以应用在我们每个公司 产生你自己的,他都是可以产生你自己的这个胃的这个比较重要的这个训练的这个数据,训练数据是非常重要的,那么你有了这个训练数据之后,经过人的评估,你就可以喂给我昨天讲的那个 chat g l m 的这样的一个 人工智能的这样的一个模型里面去,它可以打造一个你公司自己定义版本的这种行业版本的这种恰的 g p t 出来,是这样来做出来的。好啊,所以今天我就跟大家就就聊这个东西,这个我也自己实实践过,确实也有些公司也是用过的,像上次给大家介绍过 那个叫斯坦福大学的那个羊驼模型,羊驼的那个模型就是用这个 self instruct 自己产生的这个这个这个训练级来产生的,他们据说的话呢,他只花了不到五百美金,他不断地去问 恰的 gpt 产生这种训练的数据,他的大量的这个数据是这样训练出来,然后的话呢,他也能达到这个恰的 gpt 三点五,大概百分之九十左右的这个能力,他是这样的羊头这个模型我们也清楚,他是横行模,一个模型记就是七十亿的这样的一个模型。好,嗯,如果大家有兴趣的话呢,也可以给我留言。

大家好,欢迎来到雀 g p 四点零的一个新手使用简介,那我们这里的开发的四点零包括两个版本,一种是学术版 啊,这里我都已经上传好了我们的视频,大家如果要学习的话,可以新手的话直接点这两个视频去看就行了。 那我这里主要简单介绍一下四点零的一个学术版,它啊采用一个模块化的一个界面,大家可以根据不同的一个状态去选择,那我目前放在是右边,就是可以看到这张图里面就把啊所有的插件模块都放在这右边,你大家可以不懂的话可以看我上一期的一个视频, 那支持我们的学术论色,那语法错误的一个查找,包括代码的一个解释器,还支持我们 pdf 文档的一个啊,阅读文献总结要点,翻译全文,以及我们解释项目代码,如果是做程序的可以 做啊项目代码的一个解析发给他,甚至让他帮你去修改一个代码。在后面的教程会啊讲几个重点,一个是关于拍摄或 r 语言和 charge p t 作图的一个啊使用教程,还有就是做数据分析的一个使用教程。 哎,就是我们做项目的时候啊,我们去 gpp 做项目,怎么去辅助我们程序员啊,用户去啊,更快更好的去写出啊你的项目代码 ok, 还有就是啊他有一个互联网信息聚合的一个功能啊,就是支持联网去检索一些信息,但是这个啊话题的话,他 啊还不支持大家去直接去搜索到某某种某篇文献,然后下载下来,因为啊每一篇文献的话他其实是有限制的,就是他不,不一定是能够提供你免费版, 所以是没有办法的。所以我们在开发那个全球数据库,希望等我们的全球数据库出来,大家下载文献那些就会更加方便。还有一个就是谷歌啊,学术的一个助手,这样的这个功能的话,其实就相当于是一个爬虫了,他就相当于把那个链接放进去,然后爬虫爬起到某一页的一个 啊啊,一个项目吧,就像那一页的一个啊,统计数据,他都会以这样的一个表格的形式给他弄出来啊, 重是有一些,但是我觉得还是比较有限的好吧,这是做的一个车 g b 四点零全速版的一个啊,比较简单的一个总结。 那讲完学术版之后,我们就是我们的公开版。公开版的话啊,他的定位其实是偏向日常的啊,但是也是我们全新设计过的一个 ui 啊,还做过相应的一个面具。这个其实 是在 github 项目上已经有开放了。对,但是我们还做了我们自己的一个油画,我会在后面做讲解,这也是为什么很多那个啊,不懂的。 呃,人一直在黑。我们说我们直接用 github 原码的去做的,其实不是的,做了优化的。还有一个很重点的内容,我们的四点零 api 它本来就是要收费的,而且是很高的一个费用的。 对,所以这个是收费,是没有办法的好吧。然后三的话是一个快捷指令,这也是我在上面的公开版讲到的,这里他是可以充当啊,将近有上千种 一个角色,然后供大家去选择,比如雅思考官, linux 终端这种都是可以的,还可以当代码解释器,所以程序员用户其实也可以用我们的公开版去做相应的一个项目,但是学术版有他 独特的一些优势吧。嗯,这这里我简单列举了,比如你充当雅思考官、翻译官、面试官、英音词典、 excel 表哥、电影角色脱口员、脱口秀演员,然后小说家、网页设计、网络安全专家,以及很多很多你能想到的,包括医生、心理医生、心理健康师,这些都是可以的。 ok, 那这是他在批改一篇啊作文,关于雅诗写作一个作文,那这是他在讲教育就业方面,让他写一些文章都是可以的,充章 ai 写作导师也是没有问题的。 ok, 那总结一下我们这些模型的一个优势,就是我们一次付费,他可以使用我们的公开版和学术版,并且他是适合全行业的一个人群,他并不是说我们医学类的一个用户。 cgpt 学术版他针对科研党做了专门的一个学术优化,我会 在啊澄清的一个文档里面给大家讲清楚。而且它直接对接是 open ai 的一个四点零内核,它智能程度目前是超过国内所有模型啊,可以说是全球最强的一个啊 ai 模型了。并且他们不需要大家去配置繁琐的一个代理 啊,也不需要大家下载任何的软件,也不需要大家有电脑有什么配置,大家只要能打开网页就可以,而且手机、电脑、 ipad 啊,包括你的不管是 windows 还是 mac 都是支持的。好吧,目前的订阅费用是一百五十元每月,一千五百元每年啊, 当然这是我们四眼睛的一个订阅费用,那三点五会更便宜,他是五十元每月,五百元每年。 ok, 那这是我们的订阅网站啊,我主要来曾经的有几点啊,就是最近有人一直在抹黑我们,说 我们啊为什么要收费,对吧?那首先我可以告诉大家,首先是服务器的费用以及显卡的费用,他本来就是一笔很大的费用。还有就是如果大家自己去配置的话,大家需要去买过官方的四点零 apik 的,那这个价格如果你是个人用户去买的话,你一个月远远要大于一百五了,对, 所以我们是以企业用户的身份去跟他们谈的,而且还签了相应的协议,所以价格会比你们便宜一点,但也不会便宜很多。对,所以这这个四点零的 api 它本身就是一笔很大的费用。还有就是我们会有会员群,像这种一群二群,我们会建立这样的会员群, 那在会员群里面大家可以在心里那个提问,然后我会做相应的一个解答,而且我会把逼赞我们所得到的啊,大家投币的点赞的那些费用,我都会发在群里面给大家,这也是为了 啊,那就希望大家帮忙多多点赞,转发啊,评论啊,发一下弹幕,这样的话平台会给我们一定的优先优先级,那就会有更多小伙伴加入我们,那我们这个项目就可以持续做下去,这样也能方便更多的,不管是做学术的,还是说我们程序员去写相应的一个代码都会更加方便。 还有就是我们四点零学术版和公开版模型会啊,做过 u o 哈,并且更新它也是需要我们这边程序员去做一个开发的。 ok, 那我们这边除了就是啊开源的基础上还做了学术的优化以及代码解析模块,它主要包括羽翼的一个拆解汇总代码的一个解析与创作的, 在这些方面我们针对底层的逻辑改了一些啊,我们认为比较重要的,或者说我觉得啊开源项目上没有做到的一个店。好了, 下面是主要是啊,这是群里面的一个我给大家发的一些红包,然后大家啊就有一个相互学习沟通的一个平台吧,相当于后面就是啊一些提问, 对吧,大家就就在讲自己有哪些问题,我们后续会收集大家的一些问题,然后啊就在下一些版本里面逐步的去完善它 啊,是因为现在他是四点零的一个版本吗?那以后未来啊 openi 他肯定会推出啊,五点零的版本是六点零,未来都是会有的,那这些我们都可以持续的去跟进,好吧。 ok, 那讲到了啊,这个,这下面就是啊一些小伙伴给我们的一个好评,这有三点五版本啊,他体验了觉得很不错,然后就要来试一试我们的四点零啊,这里也是啊,说要在续费这样的一个情况。那下面就是 啊用四点零的一个啊小伙伴,他一开始会有根据教程会有一一点小问题,然后在群里面我们学习讨论之后,大部分同学都是能掌握的。还有一个很重要的一点就是啊,因为这个 ai, 特别是 aicg 的 ai g c 的一个一个出现吧,我只能说啊,越早掌握 ai 的一个用户, 他可能才能够真正的去试验这个时代的一个发展吧,所以我还是希望啊,不管是做学术还是说其他行业的一个小伙伴,能够尽快的接触到 ai, 并且用 ai 给自己的行业进行赋能, 然后啊,就相当于你可以更快的掌握啊这个时代的一个红利吧。啊,这就是啊本期视频的一个全部内容,那下次视频我不会再讲啊,为什 我们要收费的这个原因了,当然你你觉得啊费用不太合理,那我建议你直接去官网购买就知道。 ok 啊,下次视频我们会主要讲啊拍摄和啊语言做数据分析以及绘图的一些教程,然后在后面的教程我们会讲怎么去做代码解析,去做一些项目。 ok, 这主要是一方面,一部分是适合我们科研党,一部分是适合我们程序员,目前我们啊发现也主要是这两部分用户 啊,是我们的一个重点方向。好了,这就是本期视频的全部内容,如果大家有什么觉得我们说的不对的地方,请批评指正,好,谢谢大家。

一觉醒来发现拆的 gvt 被淘汰了,开玩笑,这个说法太标题党了,这也太过分了。虽然 autogbt 迅速走红,在 gtap 上标清达到了五万,号称无需人类插手就能自主解决负担任务,但是 autogbt 的核心还是通过交警 open a 的 api, 不过他还是强大的叫人可怕, 只能感叹现在的 ai 界太内卷了。通过解析圆满,你发现他封装了你根本想不到的非常严谨的 promise, 一遍一遍迭代优化自己的答案,并给出下一个问题。 你基本上可以理解为他是一个全自动运行的 ai, 你只要给他一个目标,他就可以开始自主思考,可以在没有任何人工输入的情况下,自动提出执行计划并采取行动。我们直接上一个例子, 这是粉丝问的最多的一个问题,如何在中国一个月赚到一百万?你只需要给他输入这个目标,他就可以开始帮你干活了。他会先跑到国购进行 搜索,先是去中国商务部网站查询,找到评价最高的几个高收入行业以及相关联的一些链接,如何在中国设立企业许可证以及和当地工会的合作,然后根据条件去找到潜在客户,分析市场趋势和前景,评估和了解中国法规和商业环境, 以及帮助寻找潜在的消费者目标市场以及有效的营销活动。他就会基于这些链接里的内容进行提问,并且开始自己逐步分析和解读,然后不停的搜索分析,直到结果满意为止。并且他还能分析出哪些是泡沫假象, 如果奥特 gbt 觉得活的干不过来,还演化出了子分身帮他一起干活。最后呢,完成了一份非常详细的行动方案, 并且根据市场环境,考虑时机与政策因素,不得不佩服人工智能新纪元真的到来了,完全可以替代某个行业的专家了。我是程轩,老韩帮你排忧解难。

以后估计每个人都可以拍电影了,现在真的 ai 发展真的太快了,大家看到这个叫 wonder studio 的软件,给你们看一下他的这个案例啊, 里面的人他是可以替换的,可以直接从这里把他拉过来,里面的人物都可以换啊, 有的人也都没有意识到。二零二三年三月十, 昨日导演彼岸发布了一个叫 g p t 四点零的东西,会给他们今后的人生带着什么样的影响。很多人过几年会想起他把 g p t。 四点零当新闻看的那个晚上,但他可能已经年过四十了,再也找不到像样的一个工作。

那叫 sales gbg 啊,那这个项目的话呢,它的创建的目标的话呢,它主要还是就是能够做一个 ai 的销售机器人啊 a 或者叫 ai 的一个销售的一个助手啊, 他在这个项目当中的话呢,目前我看这个星星也不多啊,关注的人不是太大啊,他的这个软件也是用拍神写的。拍神写的啊,是目前是零点零点四的这个版本啊,他是用也是用蓝倩进行开发的, 他默认是跑在嗯恰的 g p t 上面的,当然你也可以本地部署一个 g p t 模型啊,回头我会给大家演示一下他也可以跑起来的啊。对, 那么这个模型的话,我先给大家演示一段啊,他呢,主要就是就是演示了他有一个视频,就是演示了这个人跟那个 ai 之间的通过语音进行沟通和交流啊,我们可以听一听啊。 today we're gonna be demoing our be moisture so we are getting a call from our ai now。 他就直接打给 ai 了。 hello, may i speak with philip mccolcockey yes, that's me great to hear phillips my name is ted laughs though i work at sleepy again okay, great how are you doing? i'm doing well thank you for acting so are you today good good that's great to hear phillips i was wondering if you've been getting a good night sleep lately you know it's not been great my mattress is a bit firm and also it's pretty hot in the summer and then i kind of just whisk around and can really get a good sleep。 他就跟他讲他不睡的 to sleep in important and have an ai。 就给他介绍些 at sleephaven we offer a range of high quality mattresses that are designed to meet the unique needs of our customers, 然后 would you be interested in trying out one of our premier mattresses at our school so no yeah potentially, but can i just try it online like why don't you come to your store good fortic fill up while online shopping can be convenience it can be difficult to know if the mattress is right for you without trying it out first at our store and soho you'll have the opportunity to test out our mattresses in person and get expert aside some our team plus we have some exclusive fields available in store that you won't find online would you be willing to give it a try yeah i guess i can come by。 他就说他会买 that's crazy here so we would love to have you come by our store and soho to try out our premier mattresses and see what works best for you can we。 好,我们这段就不看了,我们就他这个代码,他这个代码是怎么来运行的啊?他也是跑在一个呃 chat gpt 的这样的一个模型上面的哦,他又定义了一个叫 sales gpt 的这样的一个, 一个一个就是类似于这种可以自我做决策的,自我做决策的这样的一个销售的一个助手啊。因为他们发现的话,整个一个销售过程,他其实可以分几个步骤的啊,只要你给你给他一个身份,你给他几个步骤,他就能能够按照这个步骤去判断 目前跟客户沟通的处于哪个步骤,应该跟他去怎么样去沟通和交流,给他推荐些什么东西啊?他主要是做这样一件事的啊,约他到办公室啊,或者约他到线下门店来啊,他主要是做这样一件事的啊,那我们来快速来看一下他整个一个代码,他先是怎么用的呢?我们先来看一下他在这啊, 他先你有一个这样的一个 chat g p t 的一个大模型啊,然后他呃把作为一个参数,他放在这个 c s g p t 里面,然后这个呢其实是他的大脑啊,这个呢是定的他一个流程, 这个 sales gpt 呢,它就是用啷签来开发的。嗯,那么它这个里面的话它会定义了,它会用一个工具啊,这个工具主要是介绍这个 product 的一些。 呃,一产品的一个目录啊,他有些文字的介绍,我可以给大家看一下。他在这,他就是这样,他讲了一些他的这个,他们这家公司的一些产品啊,大概的他的用途和 价格啊,他的 size, 他这个这个就是这个 ai 的这个名称啊,他的角色啊,他这是什么销售助理,他所服务的公司啊,这家公司他做的是什么事啊?他主要是帮助这个人嘛,改善这个睡眠,提供各种各样的解决方案啊。他主要是做这样一件事情啊, 初始化他这个 new 的这个 sales agent 之后的话呢?他先初始化他一下啊,叫 seed agent 这样的一个操作,他从第一步开始 确定 conversation 的这个 stage 就是他默认就是在第一步啊,我们可以看一下啊,这个有可能大家不是太懂啊,你可以看看这个,我们看看他这个代码 conversation, 它是 sales, 那它主核心主要是确定这个 conversation 的这个 目前的状态,他目前的 stage, 他认为一个销售过程一般分成八个阶段啊,第一个就是介绍介绍你自己啊,或者 介绍你公司。第二个告诉他这个产品啊,告诉他你这个产品和你的这个服务啊,有多好啊,告诉他这个价值,帮他做需求分析,提供解决方案,告诉他这个一些目标啊,比如说能够拜访啊, 给他一些呃,给他一个地址啊,给他一个目标啊,他等于是这样啊,差不多就要这个销售结束了啊,如果他愿意买,愿意尝试啊,或者愿意能够 meeting 啊,能够见面交流,能够讨论啊,最后的话呢,他就是结束这个绘画, 他一般认为整个一个销售过程就分成这个八个步骤啊,他呢是从第一步骤开始啊,我们可以看一下他这个状态啊, 他这个架构也是一样的,他 c 的 agent 从第一步骤开始介绍他自己和他的公司开始,第二步骤他就开始就是说介绍他的产品啊,人可以跟他不断的进行对话和沟通啊,获取这个 message, 他会去判断 分析这个状态啊,是到第几步骤了,他这个不断在循环,就在不断的在这个第一和第八步当中不断的在循环啊,跟他去沟通,让他等于是这样,有可能如果他用户 能够做出结论的时候,那么他这个时候呢,他也是自动的能够去产生一些内容,或者去获取一些产品的信息啊,这个就是他获取产品的一些信息在反馈给这些人, 他就不不断的做这样的一个过程啊,这个过程就是一个销售的这样一个过程啊,这个是销售的这个阶段,他就是去判断这个用户的这个反馈是属于销售的哪个阶段,哪个阶段的话应该反馈应该做一些什么样的这个交互啊?他主要是做这样的一个东西。嗯,好, 我们来看看啊,我们先跑一跑他这个软件啊,因为我本地也跑了一下啊。 i need by your company。 如果我让他介绍的话 话,他就会告诉我啊,让我去他的网站或者是哪些产品,你会比较有兴趣啊,他会稍微会讲一讲,其实这就是他原文当中的那个对话啊,他这个是可以跑起来的啊, 当然目前还不是很完善。嗯,他这个好,他这个安。呃,我们看看他的原代码啊,继续看一下他的这个原代码,那这个确定他目前需要处于哪个哪个 conversation 的这样的一个状态, 他往下一步走就是下一步告诉他就是下一步这个地方要输入这个用户的这样的一个反馈啊,他会根据这个用户的这个反馈,我去告诉这个 sales aging, 然后他会做一些决策啊,然后的话呢,他根据用户的这个输入的话呢,然后他又要去判断这个用户到底目前处于哪个阶段啊?就是这个八个阶段当中的哪个阶段啊?他他在 去看啊,就不断的进行用户的输入,不断的进行判断啊,他不断的是这样的一个过程啊,直到这个用户,比如说他不不想买,或者他会给他些建议,是不是愿意见面啊?他的意思这样啊,他主要是做这样一个事啊,核心的话呢,就是这个类 a 景词这样的一个类,这个类里面就核心就是要确定这个 cons 型的这样的一个状态啊,这个是比较重要的,因为他会根据用户这个对话的这样的一个记录啊,根据你的问的问题,你回答的这个情况 去判断用户到底处于哪一种阶段,根据不同的阶段去回答不同的产生不同的内容,这个就是产生不同的内容,他会根据这个不同的这个阶段产生不同的内容回给客户。他的核心功能主要是做这个,主要是初始化 l l m 的这个大模型,那么就是这个功能,我们前面看的他主要是获取的就读取的这 这个是 product 的这样的一个背景啊,那么它呢?也是用那个 prom 啊 embedding 的这样的一个操作啊,它也是用 oba ai 的这个 embedding, 然后把这个文件就是这个文,就这个把它读取出来, 然后的话就放在这个 chroma 的这样的一个食量数据库里面啊,他主要是做这样一件事情,当用户进行查询的时候,有些问题的时候,他也会从这个食量数据库里面去查这个用户的相关的一些 knowledge base, 然后结合在这个东西当中去跟客户去介绍他的产品和他的价值。 所以他的这个功能核心的功能就是是这样啊,我们看这张架构图就可以清楚了,当然我下次如果有机会的可以把它变成中文,再来看看他到底能不能跑啊。他这个里面我们可以看看他这个里面还有几个比较重要的提示,提示工程,提示工程里面他有比较重要的啊,他这个里面就是讲了 aging the truce print 啊,就是他要用一些工具,要用是否要用,然后观察,还有这个也是比较重要的。我觉得 stages 啊,这个就我们前面看过了, print 模板它其实类不多的, 类似不多的,这个的话呢,就是他是在分析,主要是他在这个等 alm 他的这个大模型啊,输出内容之后,他就会去分析,他到底是应该是 action 的一个步骤啊, 如果他不知道的话呢,他就会报错啊,他会,我不理解。就是你的一些问题啊,他就会讲这样一句话啊,主要的核心功能就是这些,这个是一个日志啊,其他都会比较简单,这个也是个 print 模板,这个是分析目前处于哪个状态的那个模板,他的代码不是很很多,但是我看了一下他的功能还是还是挺好,有机会的话大家也可以去 尝试一下啊。他这个好啊,目前的话呢,他这个项目他已经做到什么功能?他就是能够能够一步一步的跟用户进行沟通和交流啊,能够产生一些问题啊,问问户一些问题或者回答啊,回答用户关于产品的一些介绍啊,他这个主要是做这样,他也用了一些矢量数据库啊, 把一些产品的一些 knowledge, 一些知识库啊,放在这个适量数据库里面,通过那个 l m 的大模型能够介绍啊,这个产品和服务,他等于是这样。另外他的这个最核心的功能就是你可以去定义你的整个一个销售过程,是分了几个阶段,他根据这个不同的阶段去自动的去判断啊,去根据这个不同的阶段 去判断这个用户的这个输入和给用户的这个反馈。当然他目前这个项目的话还没有就是接到那个 text two speed 去的这样一个模型上面来啊,当然他也是将来是可以接的。就是你产 真的这个文本啊,直接可以变成一个语音,变成一个电话啊,一个语音的这样的一个销售的助理啊,他可以是变成这样,所以我觉得这个项目也是可以长期去关注的啊,也是一个比较有价值的这样一个项目。好吧, 那么这个项目也是基于 m i t 的这个 license 啊,它也是可以进行商用的啊,它这个项目也是可以商用的,好吧?好,这个项目的话 c o c p t 这个项目就跟它就聊到。

check gpt 不开源?没事,帮你们修集到了所有 gpp 开源平替这些类 check gpt 的新 ai 模型,在实现相似功能的同时,还能让你通过替代来了解运行。经理 学姐花了几天时间,总共盘点了十一个项目,这是一个让每个人都可以访问基于聊天的大语言模型,包含了大于五十 k 的高质量指令,执行样板 采样多次股权结果。目前这个项目已经进入基于指示和奖励模型的 r l h f 训练阶段。项目二十三 k stars 这是一个遵循指令的 l l m a 模型。 ppo 中包含了用于微调模型的五十二 k 数据,以及用于生成数据的代码,以及用于微调模型的代码。叉五三六 k stars 在 power m 架构上实现了 r l h f 机制,等同于 power m 版的叉 t p t tom。 四六点四 k stars 这个项目可以看作是一个为各种应用程序创建专用和通用的聊天机器人在 y 四三 m 训练数据 上训练的。该数据集是一个三合一数据集,用于运行众多大型语言模型的 radio webmi 功能,包括使用下拉菜单在不同模型之间切换、 提供类似于 open ai playground 的笔记本模式、用于对话和角色扮演的聊天模式,为 g p t 四站生成漂亮的 h t m l 输出等等项目。六一点五 k stars 基于浏览器的前端,通过多个本地和远程 ai 模型实现 ai 辅助写作, 提供了全面的标准写作功能,还可以开启 adventure 模式,游玩 aidang envish 的之类的游戏。十二 k stars 基于 meta 开源的大模型系列 loloma 跟 chat g p t 平替,无需显卡就可以在 macbook 上以及在四 g b rand 数媒派上运行 l l r 码模型项目吧。七 k stars 这是 nebula ai 公司开源的 r l h f 版 l l r 码训练方法,训练过程类似 chat g p t。 通过基于于训练的 lr 码模型构建叉 gpt 形式的服务。与叉七 pt 相比, lrm 架构更小,看训练过程和单 gpu 推理速度更快,成本更低。项目九,八点四 k stars 使用了和叉七 pt 相似的技术,针对中文问答和对话进行优化, 支持中英双语对话。基于 glm 架构,具有六十二亿参数,结合模型量化技术,我们载在消费级显卡上就可以进行本地部署。 ins 四,最低要求也只要六 gb。 现存项目时,三点七 k stars 由 recorder 模型支持,这是目前唯一能在质量和扩展方面媲美 transformers 的 r a a 模型,同时速度更快,并且节省 bram。


市面上的 ai 智能聊天系统源代码大多数是 php 开发的,在开发语言这方面,老钟还是有点小优势的。 我们遵循 mit 开源协议免费开源的 lectermin 后台管理系统,有 p、 h、 p、 java、 python、 go 四个语言版本。上个月就已经安排开发 java 版本的 ai 智能聊天系统。现在系统已经进入测试阶段了,端午节之后就能发布, 之前想要骄傲版本的老铁们可以预定了,费用自然是很实惠的,完全不用担心。如果还要拍摄或者购版本的,评论区留言吧,有需求的话再做,因为系统功能要长期迭代升级,需求不多的话,做出来就容易亏本的。

我们使用人工智能产品,一定不能等到犯法了才追悔莫及。这是所有人都不能错过的一条消息。国家互联网信息办公室关于深层次人工智能服务管理办法征求意见稿 公开征求意见的通知今天发布了,我就先用划重点的方式和大家一起读一遍,因为太重要了,我们每一条消息都不能遗漏, 也难免挂衣落腕。最终一定要以原文为准。第一条促发展力规范。第二条本办法的主体是提供境内服务的 ai 内容生产者, 适用范围是 aigc 的所有内容。第三条国家鼓励支持,但要保证数据安全。第四条要遵守法律,也要尊重工序量俗。第五条谁生成谁负责。第六条提供服务前要申请备案。第七条训练内容必须合法。第八条人工标注数 规则要透明,人员要培训。第九条实名制。第十条生产者要制定内容的适用范围,防止用户沉迷。第十一条保护用户隐私,防止数据滥用。第十二条不得生成歧视内容。第十三条 及时处理用户的投诉。第十四条不能割韭菜。第十五条应对举报,先过滤再优化。第十六条 依法对生成内容标识。第十七条需要向有关部门提供影响用户信任和选择的必要信息。第十八条引导科学合法使用。 第十九条要及时处理恶意使用者。第二十条违反本规定,由网信主管部门予以处罚。第二十一条实施时间待定。

什么是开放源代码?开放源代码其实就是当程序员把软件写好后,不仅仅把软件公开给别人使用,还把自己写程序时的源代码公开给别人学习甚至修改,达到不断的升级。像最著名的开源软件 就是 linlinx 和 unix 这两个操作系统,正因为 linlinx 和 unix 的开放源代码,所以全世界的程序员都可以对它不断完善,成了目前相对来说最安全的操作系统。关注加点赞,每天获得一点编程小知识!

拆 gpt 为什么没有开源而是做成了 api 呢?除了商务上和经济上的考虑之外,在技术上开源也很有难度。因为拆 gpt 的成功除了生成模型之外,最重要的是海量的互联网数据。 他已经学习了二零二一年之前的所有互联网数据,所以如果开源最多只是元代码开源,而无法做到数据开源。 好在访问比较便宜,一个月二十美元或每一百万偷看两美元,一个偷看约等于零点七四的单词。普通用户没有这么大的存储资源和维护能力去接受这样庞大的数据,所以最终还是要用到 api。 国内要想实现类似于拆 gpt 的技术创新, 除了要有一个像欧拜年爱这样真正进行技术创新的公司,还要有一个像微软这样有实力更有远见的投资人。 目前有少数国内人工智能创业公司所做的工作仅仅是从 beat hip 上下载代码而已,或者相互之间考来考去,既没有创新的意识,更没有创新的实力、勇气和自信。

他主要是复制开源了这样的一个恰的 gpt 的,这样的一个非常核心的,这样的一个算法。今天我呢还是跟大家就原代码介绍一下,就我跟大家一起交交流一下。我们首先先看一下那个 colossal ai, 他这个项目什么的啊,他到底是做什么的?我给大家看一下 罗斯 ai 的话呢,它也有一个网站,它有中英文版两个版本。它的核心主要是做那个分布式的,核心越来越大了, 所以单台机器他可能训练要很久,甚至是没法训练的,所以他要大量的那个机器和 gpu 那么大,进行训练的话,之间要分布式进行协同。他的 red 有这个 closeoaia 的这样的一个分布式训练的这个框架。 所以这个项目他主要是做这个神经网训练和运啊,他只是一个 mandy 啊。然后呢,他也是跟能够比较好的那个能够对接他的也是底层,也是用 了那个呃拍头,他等于是这样。我看 book 大学的那个教授啊出来的,而且这家公司的话目前也拿到了九月份吧,他们拿到了呃,日轮,他等于是天使轮啊, 呃,开源啊,那就是这个教授啊。所以让用了他这个框架的话,让这个分布式的训练,大模型的分布式的非常呃需要的这个资源就可以大幅度的降低。他说呢,可以降低百分之五十的 gpu 的资源,并且提升百分之十左右的这个效率啊。他的意思 支持各种各样模型的这种训练,包括呃 g p t 三, g p t 二对吧, google 开源的 board 模型 o p t 啊等等啊,它能够做很优化。呃, 那么他最近比较火的话呢,就是有一篇他的呃非常少的这种 gpu 的内存啊,他是等于是这样。我们一起来看一下他这个原代码是怎么来好啊,嗯,这样的一个强 人类反馈的强化学习的这样一训训练过程呢,他分了三个部分啊,呃,第一个的话呢,他是用一个 nlp 的这样的一个大模型,就是 gp 一个模型,然后去产生各种各呃这个这个呃就是各种各样的,他可以给一些痣。那之后的话呢,然后呢,他就得到了一些反馈,然后是基于这个监督 记忆建筑学习的,然后拿到了这个反馈之后的话,那他在书的呃模型后的话呢,这个这个就是和他的那个优先级,他等于是这样啊,为他这个 pt 三,他可以做他可以产生很多的这种反馈。 反馈的话呢,会根据有一个训练师,他会根据这个反馈的好和坏进行排序。这个里面呢,他会训练一个叫 reward mode 他这个东西,然后经过前两步之后,然后呢,他再把再用的强化学习的 ppo 的这个算法的时候,他通过强化学习不断的去学习 你到底是要的是什么,然后跟你去沟通,他会非常智能啊,他是做了,这是把整个训练的整个一个过程都把它给实现出来了。他我们看一下他到底是怎么安装的,我拿了一台机器装了一下。安装的话呢,还是比较简单的,还是要下载那个 cos ai 的原码, 下载到本地之后,你通过原码去安装,然后你就等一阵子之后呢,他就会安装成功,他会先安装 close ai, close ai 装完之后的话呢,然后你再来安装这个 colossal ai 里面呢,有一个 application 的这样的一个 cat g p t 的这样的一个内裤,它等于是这个你也是要装的,它等于它是在那个 applications 恰恰 d p g 这个目录下面,然后你要去安装他的依赖安装依赖安装完了之后,你再去安装这个内裤。你安装完了之后,他会有一个恰恰 g p g 杠零点一点零这个版本,他就会安装完了。那么安装完了之后的话呢, 我们来看一下它是怎么来跑的。那整个一个项目的,我们可以看到它在 chat g p g 这个 examples 下面,它有很多的这样的一些脚本和派 点。派就是加呃例子啊,他点 s h 的话呢,就 s h 的脚本去调调调,用这个拍摄的脚本,他等于是这样。 我们可以看一下他的。他的例子的话呢,他提供了。我看了一下,他提供了三种例子。一种例子的利用别人已经训练好的叫 re reward, 就是奖励的这个 model。 他就是利用别人已经训练好的 reward 的这个 model。 reward model 呢,就是我们前面看的, 就是我们前面看到过他有个三个阶段,他的第二个阶段,他这个 report model 已经训练好了,那么他就把这个 report model 给下载下来,然后再再去训练最后的这个 ppo 的强化学习的第二种方案,他是随机随机去取一些提示的这个 data, 它主要是测 测你的,安静的看看是不是行。他是三阶段的这样的一个训练啊,也是一样的,从先要去拿你的呃这个我们可以看一下原码,还有一个拿真实的提示,拿真实的这个提示的 data 去做这样的一个训练。那么他呢?也是找了一个例子,是在哈根 face 上面,他有这样的一个 chat gpt 的这样的一个例子 的一些 c s v 的这样一个文件,你可以把它下载下来,我也下载下来,我也看了一下提示与提 提示语,这个提示语就是提示他,然后要做一件什么事。这个 action 是什么啊?这 action 他定义了大概一百多种,一百四十六种。他定是啊,非常非常多啊,可以作为一个你这个 指令里面,他可能是包含了充当一个 linux 的这样的一个终端,那么他会你你先这样的一个 linux 终端,然后我说你一个需求,你告诉我具具体的命令,他等于是这样一个他可以作为 这个英文的翻译,它有可以扮演各种各样的角色,可以扮演这种 ai 的这个 writer, 它这个里面有非常多的它,这个就是一些提示和 action, 它有这样的一个 训练的这样的一个脚本,你要把它给输入进去,因为这个的话呢,我们原来看过它这个 r l h f 的这个算法里面,强化学习算法里面的话,它其实训练的这个提示的这个数据不需要太多的,它马上就会变得非常聪明,因为在 p t 恰特,呃 g p t 三 的话呢,他已经是一个写作的能力和基本的一个编码的能力,他已经具备了。那现在的话呢,他只是说呃,让他去分区,让他更聪明一点,让他 告诉他应该做一些什么事啊。是英文翻译呢?你做算术题还是到底是这个 linux 的命令输出,还是写写一段 passion 的一些代码,他等于是这样哎,这个主要是做这个好,那么有了这段数据之, 那么你只要打这样的这个 listen, 然后迷恋这个和你这个训练的数据,然后这个是策略啊。对的话呢,就是要回到 closer 里面,他能值得这个训练的这个策略。因为嗯,训练策略很多有有一种叫 native, 就是在你的机器上进行训练。 那么你最基本的话呢,就是你有一块 gpu, 或者多块,或者有多个服务器,有多块 gpu, 那你这个分布式训练其实都是可以的啊。那么 native 的这个方式呢,是最简单就是 单机对吧?它或者是这些 gdp 策略的话呢,就是呃一一个机器 gpu, 它可以进行分布式的训练。当然你也可以用那个 close ai 的这个框框框架,它可以是多台机器, 每台机器上有多块 gpu 去联合起来去训练。等于是这样啊。那么 close ai 的话呢,它的核心的能力就是可以让你用的这个机器和 gpu 减少百分之 五十,而且能达到的性能要比原来要好的。它底层是有一些算法的好,要练的话呢,就是是这样来。然后使用的话呢,一样的就是它会有一个 inference 的,这样的一个 pi 的,这样的一个文件,训练的这个 model the pass, 然后输入的这样的一些呃,回答的一些东西。这个 model 的话呢,它主要是它目前是支持三种,一种叫 g p t 系列的,一种的话就 bloom, 之前也是介绍过的。 bloom 是这个 big scientist, 就是全球有一个一千多个科学家组成的开源的这样一个 bloom 的这样的一个框架, 还有一个 o、 p、 t 这个框架,目前他这整个一个模型,他他的整个一个 l、 h、 f 的这样的一个强。人类反馈强化学习的这个算法支持这个三个模型,他等于是这样按可以通过强化学习来训练。那他做的是这个按原代码看看。原代码 训练的还是比较简单的,他就是个主函数啊,然后调这样的一个半函数。半函数里面呢,主要是有各种各样的策略,这个就是前面讲的就 native, 就是本地跑,这个就是一个本地有多快几匹油跑的这种策略。这种的话呢,就会比较复杂一点,他是他是有多多个福气, 每个服务器上有多块 gpu 进行运行。他这个是这样。他这个里面呃这个剧集,因为我也没有看过,这个都是他们写的这部分。这个就是策略,策略里面他也会要你到底训练是哪种模型,他这个里面也会制定 gpt two 或者 blue, 默认的话呢,就是 gpt two 的这种模型。 还有一个 o、 p、 t, 它这个目目前支持的这三种模型对好。这个的话呢是学习率啊,这个我们它是用默认的,这个一般我们都不用看。这个的话呢就是用分词,分词到底用哪个分词,每每种模型它的这个分词方式可能有些 不太一样,所以的话呢,还是要调用默认情况的话呢,它是用这个 gpt to 它。这个里面呢,就把通过那个 csv, 把那个文件,把那个提示命令的,你要训练的那个 文件就一百四十六行,作为一个 data sent 把它读进来。读进来之后呢,这个里面又定了一个函数啊,这个 tax 剧烈化啊。对把这个输入的这个文字再进行编码,他放在这个 ppo 里面进行训练。这个就是真正的训练的这个方法。训练完了之后,他会 say 保存这个模型,这个是保存模型的一个命令文件名。对, 这样就好了。这个是他的整个一个训练过程。我们再来看看他到底是怎么用的。我们看一下他的原码,这是他的原码。原码的话呢,他用起来也是比较简单的,就原来比如说你默认训练的是 g p t two 的这个模型,然后你训练完成之后,你保存的那个路径就是前面 p p o。 这个训练完成之后的那个模型保存的路径在 在哪里?你要把它输入进来,这个 input 问你的问题是什么,就是你要跟这个去对话的话,去有一些问题的啊。他这个默认有一个问题,就是就是问 how are you, 然后 a 冒号就是昂首就是让机器人去回答这个返回的这个 silence 就是返回的这个字符的常数啊,奏默认是 一百个啊。等于是这样就录入到这个模型里面去,把这些调了这样的一个函数 put 输入进去 code, 然后是产生内容 output, 然后输入输出来就好了。这个还是相对来讲,他这个代码也不是很复杂,我自己看了一下, 代码也不是很复杂。好,这一部分我们也看过了他的他是怎么训练,怎么来使用。目前的话呢,那个开源他一直是在在努力的去把那个 at g p g 的这样的一些能力啊,能够把它给做出来的。最后我自己跑了一下,但是发现 还是有点问题,我给大家看一下,安装什么什么的都很顺畅,但是跑在最后的话就还是报了一个错。我看了一下,报了一个错,他跟我讲的是大的内内个内存的 out of memory, 那我就有可能,我就猜我就猜可能我的 gpu 的内存不够,我怀疑是因为我用的是五千二十四 gb 的, 回头我可能要用一个 a 一百的机器的 gpu, 大概在八十 g 的。要去试试看,提交给那个 coloso ai 了啊。看看他帮我解答一下到底为什么这个因。

我是春哥团队自主研发的数字人,告诉大家一个好消息,春哥团队 g p t 系统新版本重磅发布! 春哥 gpp 人工智能对话系统新版新增 gpt 四接口,新增 ai 绘画功能,支持无线开分站赚钱。看懂的来,详情查看春哥技术博客官网或者帮其商城官网。

用撤 gpt 搜索无版权图片秘密大公开,代码我帮你放到最后,记得要看完!今天做 ppt 的时候啊,需要找一张配图,瞬间不知道去哪里找图, 哎,忽然灵机一动,我想说,可不可以问一下全 gdp, 他就出现了 unspressed 这个网站哦,在这个浏览页面的时候啊,就发现他有个 api 接口,有接口其实就很容易搞定的。于是乎呢,我们来试看看,可不可以给我一张法拉利的照片? 卧槽,出现了,给我一张台北的照片,可以哎,给我一张北京的照片。 靠,总体来说啊,还算可以,找配图肯定是可以的。最后啊,我也问了他一句,这些照片有版权吗?他说,啊,这个照片是来自于 unsprised 这个网站上面, 网站上提供的免费而且不需要授权的高清解析度的照片都是可以用的。我知道很多人这个时候都想要问我到底该怎么做,我把代码都帮大家编写好了,我放到蒲公英创意商业研究所当中, 获取的方式我也帮大家写好,请大家到剔透首页找到我这个链接,然后找到第一个咨询蒲公英创意生意研究所。点击进去以后啊,点击左下角的按钮,变成对话框, 输入 gpt 搜图片,他这时候就会出现一段代码,你把这一段代码复制到你的确 gpt 里面以后,你只要打上给我一张什么什么什么照片,照片就出来了。最后啊,我还是想要说,如果你用确 gpt 用啦来问问题,那你就逊掉了。 关注我,我可以帮你在探索更多的商业创意运用, respect nice!

好久没录视频了,因为每天都在忙着更新 gbt 智能 ai 聊天系统,售后又是一对一服务,所以没啥时间需要源代码搭建自己的聊天系统。可以联系老钟,源代码先提供给你部署,觉得合适再付费购买也没问题。卷王从我做起! 经过多个版本的更新,系统已经变得越来越好。今天又要更新一个新版本了。早上在运营交流群里,有朋友说要把 gbt 联网功能做出来,这样可以提高 gbt 的回答质量。想法非常好,已经开始安排做了。 当用户使用聊天系统的时候,对 ai 回答的内容满意了,才会有付费成为会员的动力。所以这类功能需求都是要优先安排的。加油,风口来了,就得努力干啊!