


HuggingGPT ist beliebt: Ein ChatGPT steuert alle KI-Modelle und hilft Menschen automatisch bei der Erledigung von KI-Aufgaben. Netizens: Lassen Sie Ihren Mund essen.
Die stärkste Kombination: HuggingFace+ChatGPT——
HuggingGPT, sie ist da!
Geben Sie einfach eine KI-Aufgabe, z. B. „Welche Tiere sind auf dem Bild unten und wie viele von jeder Art gibt es?“
Es kann Ihnen dabei helfen, automatisch zu analysieren, welche KI-Modelle benötigt werden, und dann das entsprechende Modell direkt auf HuggingFace aufzurufen, um Sie bei der Ausführung und Vervollständigung zu unterstützen.
Im gesamten Prozess müssen Sie lediglich Ihre Anforderungen in natürlicher Sprache ausgeben.
Dieses Ergebnis der Zusammenarbeit zwischen der Zhejiang-Universität und Microsoft Research Asia wurde sofort nach seiner Veröffentlichung schnell populär.
Der NVIDIA-KI-Forscher Jim Fan sagte direkt:
Das ist der interessanteste Artikel, den ich diese Woche gelesen habe. Seine Idee kommt der „Everything App“ sehr nahe (alles ist eine App und Informationen werden direkt von der KI gelesen).
Und ein Internetnutzer „schlägt sich direkt auf den Oberschenkel“:
Ist das nicht der „Pakettransfer-Mann“ von ChatGPT?
KI entwickelt sich rasant weiter und hinterlässt uns etwas zu essen...
Also, was genau ist los?
HuggingGPT: Ihr KI-Modell „Hugging Man“
Wenn diese Kombination tatsächlich nur ein „Hugging Man“ ist, dann ist das Muster zu klein.
Seine wahre Bedeutung ist AGI.
Wie der Autor sagte, ist ein wichtiger Schritt in Richtung AGI die Fähigkeit, komplexe KI-Aufgaben mit unterschiedlichen Domänen und Modi zu lösen.
Davon sind unsere aktuellen Ergebnisse noch weit entfernt – viele Modelle können nur eine bestimmte Aufgabe gut erfüllen.
Die Leistung des LLM für große Sprachmodelle in Bezug auf Sprachverständnis, -generierung, -interaktion und -schlussfolgerung brachte den Autor jedoch zum Nachdenken:
Sie können als Zwischencontroller zur Verwaltung aller vorhandenen KI-Modelle verwendet werden, indem sie „alle mobilisieren und kombinieren“. of AI“ zur Lösung komplexer KI-Aufgaben.
In diesem System ist die Sprache die universelle Schnittstelle.
So wurde HuggingGPT geboren.
Der Engineering-Prozess ist in vier Schritte unterteilt:
Erstens die Aufgabenplanung. ChatGPT analysiert die Anforderungen des Benutzers in einer Aufgabenliste und bestimmt die Ausführungsreihenfolge und Ressourcenabhängigkeiten zwischen Aufgaben.
Zweitens die Modellauswahl. ChatGPT weist Aufgaben geeignete Modelle zu, basierend auf den Beschreibungen jedes auf HuggingFace gehosteten Expertenmodells.
Dann wird die Aufgabe ausgeführt. Das ausgewählte Expertenmodell auf dem Hybridendpunkt (einschließlich lokaler Inferenz und HuggingFace-Inferenz) führt die zugewiesenen Aufgaben gemäß der Aufgabensequenz und den Abhängigkeiten aus und gibt die Ausführungsinformationen und Ergebnisse an ChatGPT weiter.
Zum Schluss die Ergebnisse ausgeben. ChatGPT fasst die Ausführungsprozessprotokolle und Inferenzergebnisse jedes Modells zusammen und gibt die endgültige Ausgabe aus.
Wie im Bild unten gezeigt.
Angenommen, wir stellen eine solche Anfrage:
Bitte erstellen Sie ein Bild eines Mädchens, das ein Buch liest. Ihre Haltung ist die gleiche wie die des Jungen in example.jpg. Beschreiben Sie dann mit Ihrer Stimme das neue Bild.
Sie können sehen, wie HuggingGPT es in 6 Unteraufgaben zerlegt und das jeweils auszuführende Modell auswählt, um das Endergebnis zu erhalten.
Was ist die konkrete Wirkung?
Der Autor führte tatsächliche Messungen mit gpt-3.5-turbo und text-davinci-003 durch, zwei Varianten, auf die über die OpenAI-API öffentlich zugegriffen werden kann.
Wie in der folgenden Abbildung dargestellt:
Wenn zwischen Aufgaben Ressourcenabhängigkeiten bestehen, kann HuggingGPT die spezifischen Aufgaben entsprechend der abstrakten Anforderung des Benutzers korrekt analysieren und die Bildkonvertierung abschließen.
In Audio- und Videoaufgaben wurde auch die Fähigkeit demonstriert, die Zusammenarbeit zwischen Modellen zu organisieren, indem die beiden Modelle parallel bzw. seriell ausgeführt wurden, ein Video von „Astronauts Walking in Space“ und Dubbing funktioniert.
Darüber hinaus können Eingaberessourcen mehrerer Benutzer integriert werden, um einfache Überlegungen anzustellen, beispielsweise um zu zählen, wie viele Zebras sich auf den folgenden drei Bildern befinden.
Zusammenfassung in einem Satz: HuggingGPT kann bei verschiedenen Formen komplexer Aufgaben gute Leistungen zeigen.
Das Projekt ist Open Source und heißt „Jarvis“.
Derzeit ist der Artikel von HuggingGPT veröffentlicht und das Projekt befindet sich im Aufbau. Nur ein Teil des Codes ist Open Source und hat 1,4.000 Sterne erhalten.
Uns ist aufgefallen, dass der Projektname nicht HuggingGPT heißt, sondern der KI-Butler JARVIS in Iron Man.
Einige Leute haben festgestellt, dass die Idee davon dem gerade im März veröffentlichten Visual ChatGPT sehr ähnlich ist: Letzteres HuggingGPT, hauptsächlich wurde der Umfang der aufrufbaren Modelle um mehr erweitert, einschließlich Menge und Typ.
Ja, tatsächlich haben sie alle einen gemeinsamen Autor: das Microsoft Asia Research Institute.
Konkret ist der erste Autor von Visual ChatGPT der leitende MSRA-Forscher Wu Chenfei, und der korrespondierende Autor ist der leitende MSRA-Forscher Duan Nan. Zu
HuggingGPT gehören zwei Co-Autoren:
Shen Yongliang, der von der Zhejiang-Universität kommt und diese Arbeit während seines Praktikums bei MSRA abgeschlossen hat;
Song Kaitao, ein Forscher bei MSRA.
Der korrespondierende Autor ist Zhuang Yueting, Professor der Fakultät für Informatik der Zhejiang-Universität.
Abschließend sind die Internetnutzer sehr aufgeregt über die Geburt dieses leistungsstarken neuen Tools. Einige Leute sagten:
ChatGPT ist zum Oberbefehlshaber aller von Menschen geschaffenen KI geworden.
Manche Leute glauben auch, dass
AGI möglicherweise kein LLM ist, sondern mehrere miteinander verbundene Modelle, die durch einen „Zwischenhändler“-LLM verbunden sind.
Haben wir also die Ära der „Semi-AGI“ begonnen?
Papieradresse:https://www.php.cn/link/1ecdec353419f6d7e30857d00d0312d1
Projekt.Link:https://www.php.cn/link/859555c74e9afd 45ab 771c615c1e49a6
Referenzlink:https://www.php.cn/link/62d2b7ba91f34c0ac08aa11c359a8d2c
Das obige ist der detaillierte Inhalt vonHuggingGPT ist beliebt: Ein ChatGPT steuert alle KI-Modelle und hilft Menschen automatisch bei der Erledigung von KI-Aufgaben. Netizens: Lassen Sie Ihren Mund essen.. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



Bei der Konvertierung von Zeichenfolgen in Objekte in Vue.js wird JSON.Parse () für Standard -JSON -Zeichenfolgen bevorzugt. Bei nicht standardmäßigen JSON-Zeichenfolgen kann die Zeichenfolge durch Verwendung regelmäßiger Ausdrücke verarbeitet und Methoden gemäß dem Format oder dekodierten URL-kodiert reduziert werden. Wählen Sie die entsprechende Methode gemäß dem String -Format aus und achten Sie auf Sicherheits- und Codierungsprobleme, um Fehler zu vermeiden.

Der Artikel führt den Betrieb der MySQL -Datenbank vor. Zunächst müssen Sie einen MySQL -Client wie MySQLworkBench oder Befehlszeilen -Client installieren. 1. Verwenden Sie den Befehl mySQL-uroot-P, um eine Verbindung zum Server herzustellen und sich mit dem Stammkonto-Passwort anzumelden. 2. Verwenden Sie die Erstellung von Createdatabase, um eine Datenbank zu erstellen, und verwenden Sie eine Datenbank aus. 3.. Verwenden Sie CreateTable, um eine Tabelle zu erstellen, Felder und Datentypen zu definieren. 4. Verwenden Sie InsertInto, um Daten einzulegen, Daten abzufragen, Daten nach Aktualisierung zu aktualisieren und Daten nach Löschen zu löschen. Nur indem Sie diese Schritte beherrschen, lernen, mit gemeinsamen Problemen umzugehen und die Datenbankleistung zu optimieren, können Sie MySQL effizient verwenden.

Zusammenfassung: Es gibt die folgenden Methoden zum Umwandeln von VUE.JS -String -Arrays in Objektarrays: Grundlegende Methode: Verwenden Sie die Kartenfunktion, um regelmäßige formatierte Daten zu entsprechen. Erweitertes Gameplay: Die Verwendung regulärer Ausdrücke kann komplexe Formate ausführen, müssen jedoch sorgfältig geschrieben und berücksichtigt werden. Leistungsoptimierung: In Betracht ziehen die große Datenmenge, asynchrone Operationen oder effiziente Datenverarbeitungsbibliotheken können verwendet werden. Best Practice: Clear Code -Stil, verwenden Sie sinnvolle variable Namen und Kommentare, um den Code präzise zu halten.

Verarbeiten Sie 7 Millionen Aufzeichnungen effizient und erstellen Sie interaktive Karten mit Geospatial -Technologie. In diesem Artikel wird untersucht, wie über 7 Millionen Datensätze mithilfe von Laravel und MySQL effizient verarbeitet und in interaktive Kartenvisualisierungen umgewandelt werden können. Erstes Herausforderungsprojektanforderungen: Mit 7 Millionen Datensätzen in der MySQL -Datenbank wertvolle Erkenntnisse extrahieren. Viele Menschen erwägen zunächst Programmiersprachen, aber ignorieren die Datenbank selbst: Kann sie den Anforderungen erfüllen? Ist Datenmigration oder strukturelle Anpassung erforderlich? Kann MySQL einer so großen Datenbelastung standhalten? Voranalyse: Schlüsselfilter und Eigenschaften müssen identifiziert werden. Nach der Analyse wurde festgestellt, dass nur wenige Attribute mit der Lösung zusammenhängen. Wir haben die Machbarkeit des Filters überprüft und einige Einschränkungen festgelegt, um die Suche zu optimieren. Kartensuche basierend auf der Stadt

Es gibt viele Gründe, warum MySQL Startup fehlschlägt und durch Überprüfung des Fehlerprotokolls diagnostiziert werden kann. Zu den allgemeinen Ursachen gehören Portkonflikte (prüfen Portbelegung und Änderung der Konfiguration), Berechtigungsprobleme (Überprüfen Sie den Dienst Ausführen von Benutzerberechtigungen), Konfigurationsdateifehler (Überprüfung der Parametereinstellungen), Datenverzeichniskorruption (Wiederherstellung von Daten oder Wiederaufbautabellenraum), InnoDB-Tabellenraumprobleme (prüfen IBDATA1-Dateien), Plug-in-Ladeversagen (Überprüfen Sie Fehlerprotokolle). Wenn Sie Probleme lösen, sollten Sie sie anhand des Fehlerprotokolls analysieren, die Hauptursache des Problems finden und die Gewohnheit entwickeln, Daten regelmäßig zu unterstützen, um Probleme zu verhindern und zu lösen.

Um die Zeitüberschreitung für Vue Axios festzulegen, können wir eine Axios -Instanz erstellen und die Zeitleitungsoption angeben: in globalen Einstellungen: vue.Prototyp. $ Axios = axios.create ({Timeout: 5000}); In einer einzigen Anfrage: this. $ axios.get ('/api/user', {timeout: 10000}).

Die MySQL -Leistungsoptimierung muss von drei Aspekten beginnen: Installationskonfiguration, Indexierung und Abfrageoptimierung, Überwachung und Abstimmung. 1. Nach der Installation müssen Sie die my.cnf -Datei entsprechend der Serverkonfiguration anpassen, z. 2. Erstellen Sie einen geeigneten Index, um übermäßige Indizes zu vermeiden und Abfrageanweisungen zu optimieren, z. B. den Befehl Erklärung zur Analyse des Ausführungsplans; 3. Verwenden Sie das eigene Überwachungstool von MySQL (ShowProcessList, Showstatus), um die Datenbankgesundheit zu überwachen und die Datenbank regelmäßig zu sichern und zu organisieren. Nur durch kontinuierliche Optimierung dieser Schritte kann die Leistung der MySQL -Datenbank verbessert werden.

Remote Senior Backend Engineer Job Vacant Company: Circle Standort: Remote-Büro-Jobtyp: Vollzeitgehalt: 130.000 bis 140.000 US-Dollar Stellenbeschreibung Nehmen Sie an der Forschung und Entwicklung von Mobilfunkanwendungen und öffentlichen API-bezogenen Funktionen, die den gesamten Lebenszyklus der Softwareentwicklung abdecken. Die Hauptaufgaben erledigen die Entwicklungsarbeit unabhängig von RubyonRails und arbeiten mit dem Front-End-Team von React/Redux/Relay zusammen. Erstellen Sie die Kernfunktionalität und -verbesserungen für Webanwendungen und arbeiten Sie eng mit Designer und Führung während des gesamten funktionalen Designprozesses zusammen. Fördern Sie positive Entwicklungsprozesse und priorisieren Sie die Iterationsgeschwindigkeit. Erfordert mehr als 6 Jahre komplexes Backend für Webanwendungen
