HumanEval: Hand-Written Evaluation Set 一個(gè)代碼評測基準(zhǔn)。 From 《Evaluating Large Language Models...
發(fā)簡信
IP屬地：廣東
-
-
Automatic Prompt Engineer (APE)有一篇文章概述了先進(jìn)的prompt工程技術(shù)：https://luxiangdong.com/2023/08/08/advprompt/[https://luxiangdong...
-
AutoPrompt初步了解
Prompt是什么 NLP發(fā)展的四個(gè)階段（1）完全有監(jiān)督機(jī)器學(xué)習(xí)：word本質(zhì)是特征，主要在做特征工程（2）完全有監(jiān)督深度學(xué)習(xí)：開始搞卷積和Attention（3）預(yù)訓(xùn)練：預(yù)...
-
使用 OpenAI API 進(jìn)行快速工程的最佳實(shí)踐
OpenAI官方提供的Prompt技巧，給OpenAI的模型提供更清晰有效的指令。翻譯 From ： https://help.openai.com/en/articles/...
-
-
GitHub搭建自己的持續(xù)集成
什么是持續(xù)集成 代碼開發(fā) -> 代碼提交 -> 服務(wù)器編譯、測試、打包 -> 服務(wù)器部署（大規(guī)模部署用 docker） 上面這套流程中除了前兩個(gè)，其他的都自動執(zhí)行，就是CI（...
-
分位數(shù)回歸 Quantile Regression && 期望回歸 Expectile Regression分位數(shù)回歸 Quantile Regression 先說一下線性回歸 & 多項(xiàng)式回歸：假定一個(gè)函數(shù) f(x) ，讓函數(shù)盡可能擬合訓(xùn)練數(shù)據(jù)，確定函數(shù)的未知參數(shù)。一般通過最小化M...
-
Executable CodeExecutable Code Actions Elicit Better LLM Agentshttps://arxiv.org/pdf/2402.01030.pdf[ht...
-
Recursive RMScalable agent alignment via reward modeling: a research direction https://arxiv.org/pd...
-
TaskMatrix.AI
這篇文章揭示了ChatGPT Plugins背后的技術(shù)路線 來自微軟的論文：TaskMatrix.AI: Completing Tasks by Connecting Fou...
-
-
-
推薦系統(tǒng)精品文章推薦系統(tǒng)召回四模型之：全能的FM模型[https://zhuanlan.zhihu.com/p/58160982]（1）從多路召回到FM做統(tǒng)一的召回模型，將所有特征劃分為（U...
-
推薦系統(tǒng)算法（傳統(tǒng)推薦模型）推薦系統(tǒng)經(jīng)歷兩個(gè)階段：傳統(tǒng)推薦模型和深度學(xué)習(xí)模型 第一階段：傳統(tǒng)推薦模型(協(xié)同過濾，矩陣分解，LR, FM, FFM, GBDT)。 協(xié)同過濾體現(xiàn)了最樸素的推薦思想，同類相聚...
-
