00:00 / 11:29
连播
清屏
智能
倍速
点赞35
00:00 / 01:35
连播
清屏
智能
倍速
点赞197
00:00 / 02:35
连播
清屏
智能
倍速
点赞237
00:00 / 01:10
连播
清屏
智能
倍速
点赞2701
00:00 / 03:28
连播
清屏
智能
倍速
点赞734
00:00 / 01:29
连播
清屏
智能
倍速
点赞219
00:00 / 01:17
连播
清屏
智能
倍速
点赞170
00:00 / 04:59
连播
清屏
智能
倍速
点赞560
00:00 / 00:20
连播
清屏
智能
倍速
点赞7715
Bai2周前
为什么费曼学习法更有效呢?我们知道费曼学习法的意思就是,如果 为什么费曼学习法更有效呢?我们知道费曼学习法的意思就是,如果我不能将学到的东西讲述给别人听,那我就是没学会。我觉得这是一个学习的判断标准啊,不是唯一标准,而且相当高的一个标准,那相比来说我们日常中常用的这种考试abcd选择题的这个学习的标准是相对低的一个标准是判断是标准,如果是我们做这种主观题需要写出来的也是一个生成是标准,所以最慢的这个是生成是标准我们的客观题,选择题是判别式标准,那么为什么生成是标准更有效呢?我们今天用ai的视角来理解会非常的直观,我们今天的图片生成模型,我们的这种语音语言模型代言模型其实都是生成式模型,它是用一个生成是标准来训练的模型,而我们的这种图片识别模型model分类模型,包括这个ocr文字识别模型,它是用判断式标准来。训练的模型你我们只需要判断这个东西是不是猫是不是狗是不是这个1234这个数字就行了,而不需要求让它生成猫,生成狗,生成一片文章。 So you feed my shares if I就是相当于大脑中强制训练一个生成模型,而我们的这种客观题考出来判断的这个知识体系相当于在大脑中强制训练出一个分类模型。我们知道这两个模型的复杂都是天差地别的。声称是模型比这个判别式模型复杂很多很多,判别是模型,不一定真的理解了所判别的对象,他只是根据对象中的一些特征来判断是不是这个东西,实际上稍微跟他相似的东西他就判断不出来,但是生成是模型还是相对理解的更深刻的,比如说让他换一个大局,那他得理解什么叫大局,什么叫颜色对吧?而不会随便给我换一个猫头鹰或者黄狗。或者是黑炭猫。将来我们换个稍微发散的角度来看,其实嗯,这个判别式模型如果它能判别的类型无限复杂,不一定无限复杂,就是一定数量达到一定的数量复杂度,比如说它不仅能分类出这个猫是猫,还能分类出它是什么颜色的猫,什么品种的猫,什么年龄的猫。那么它其实是更接近一种生成的方向在演化,所以生成模型和分类模型的一个关系,我的理解可能猜测是,分类模型,这个分类的类别。达到非常多的时候,就相当于是生成式模型。那多到什么程度呢?我觉得就往这种生成式模型,比如说大语言模型,它能生成很多文章,很多内容,对吧?那里面有多少概念?多少次会往这个数量级上靠,那就是。他真的理解了,真的理解了,概念真的理解了,这是达到了生成是模型的,知识水平,我觉得。
00:00 / 02:51
连播
清屏
智能
倍速
点赞1
00:00 / 03:59
连播
清屏
智能
倍速
点赞2033
00:00 / 01:25
连播
清屏
智能
倍速
点赞59
00:00 / 01:43
连播
清屏
智能
倍速
点赞152
00:00 / 06:16
连播
清屏
智能
倍速
点赞NaN
00:00 / 01:38
连播
清屏
智能
倍速
点赞48