


Le grand modèle de langage scientifique de l'IA est très populaire. Vous pouvez créer toutes sortes d'ordinateurs mathématiques et biologiques. Vous pouvez également écrire du code et rédiger des critiques.
Le moteur de recherche IA évolue encore ? !
Donnez un sujet à cette IA, et elle vous donnera une critique de l'article en quelques minutes, et elle fournira également des citations pour l'article lui-même.
Ou saisissez un nom scientifique, et l'IA peut rapidement générer un Wikipédia dédié à ce nom.
Cette IA s'appelle Galactica (abréviation : GAL). Il s'agit du dernier grand modèle de langage scientifique open source qui transforme l'IA en productivité scientifique.
Et elle réalise aussi la « grande unification » des disciplines, mathématiques, physique, informatique…cette IA peut être utilisée.
Dès que le modèle a été publié, il a rapidement suscité de vives discussions parmi les internautes. Actuellement, les tweets concernés comptent près de 150 000 vues, et le cumul des likes, retweets et citations a dépassé les 5 000.
L'ancien responsable technique de Facebook est également venu le soutenir.
Certains internautes en ont personnellement fait l'expérience, et la revue de littérature qu'ils ont rédigée « a l'air plutôt bonne », et ont même demandé :
Est-ce qu'il sera capable de générer de nouvelles idées dans la prochaine étape ?
En fait, rédiger des revues de littérature et produire Wikipédia ne sont qu'une partie des fonctions de GAL. En dehors de celles-ci, il peut également répondre à certaines questions professionnelles, rédiger des codes scientifiques, annoter des molécules et des protéines...
Jetons un coup d'œil. aux effets spécifiques. Voyons ~
peut être utilisé comme un outil de production scientifique
En matière de productivité scientifique, elle est définitivement indissociable de la recherche d'articles. Non, GAL peut vous aider à résoudre ce problème.
Il couvre cinq disciplines scientifiques : l'apprentissage automatique, les mathématiques, l'informatique, la biologie et la physique.
Sélectionnez un sujet, puis entrez le sujet d'article que vous recherchez dans la case de gauche, et GAL à droite recommandera l'article le plus approprié à la lecture.
En plus de recommander des articles, GAL a également une fonction plus pratique : générer des notes de cours.
Par exemple, si vous souhaitez suivre un pré-cours sur la théorie fonctionnelle de la densité (DFT), mais que vous êtes trop paresseux pour rédiger une note de cours, vous pouvez simplement la GAL et le faire en quelques minutes (tête de chien manuelle).
GAL peut également être utilisé pour annoter des molécules et des protéines. Ce qui suit est le manuel d'utilisation de RDKit (qui peut générer des descripteurs moléculaires pour l'apprentissage automatique) généré par GAL.
GAL s'est également occupé de quelques détails !
Par exemple, si vous ne comprenez pas certaines formules et codes mathématiques complexes, vous pouvez laisser le soin à GAL, il peut les traduire directement en langue vernaculaire pour vous.
Non seulement cela, il peut également réaliser une conversion entre des formules mathématiques et des codes, ou une conversion entre différents types de codes.
Plus important encore, il dispose également de formules simplifiées et de fonctions de vérification des erreurs.
Comment faire ?
GAL peut réaliser des fonctions aussi complexes, nous devons donc mentionner son ensemble de données de formation.
Selon les informations officielles, GAL est formé sur un nouvel ensemble de données scientifiques de haute qualité appelé NatureBook, qui permet au modèle d'utiliser la terminologie scientifique, les formules mathématiques et chimiques et le code source.
Comprend plus de 48 millions d'articles, manuels et notes de cours, ainsi que des millions de composés et de protéines, des sites Web scientifiques, des encyclopédies et bien plus encore.
De plus, pour rechercher des articles et normaliser les citations, l'ensemble de données de GAL contient plus de 360 millions de citations contextuelles et plus de 50 millions de références uniques normalisées dans différentes sources.
Après avoir disposé d’un ensemble de données aussi énorme, nous serons confrontés à deux problèmes.
La première question est de savoir comment gérer ces ensembles de données de haute qualité. Pour y parvenir, GAL utilise deux étapes :
Toutes les données sont traitées dans un format de balisage commun pour briser les barrières entre les données provenant de diverses sources.
La pré-formation contient des ensembles de données pour des tâches spécifiques, ce qui garantit que vous pouvez être plus professionnel lorsque vous traitez des tâches spécifiques.
Une autre question est : Comment concevoir l’interaction de l’interface ?
Tout d’abord, comme mentionné ci-dessus, GAL peut prendre en charge différents types de tâches.
Par conséquent, diverses tâches sont classées lors de la conception de l'interaction d'interface. Différentes classifications prendront en charge différents types de données.
Étant donné que GAL dispose d'un ensemble de données scientifiques hautement gérées et de haute qualité, comment se compare-t-il aux autres modèles ?
Téléchargez les données directement !
En termes de raisonnement, les avantages de GAL se démarquent. En mathématiques MMLU (compréhension du langage multitâche à grande échelle), ses performances sont meilleures que celles de Chinchilla. En termes de mathématiques, ses performances sont également meilleures que celles du Palm 540B et du GPT-3. 175B.
Bien que GAL n'ait pas été formé sur des ensembles de données générales, ses performances sur BIG-bench sont toujours meilleures que BLOOM et OPT-175B.
Si vous ressentez des démangeaisons après l'avoir lu, arrêtez-le d'abord !
Portail : https://galactica.org/
Lien de référence : [1]https://twitter.com/paperswithcode/status/1592546933679476736[2]https://github.com/paperswithcode/galai[3 ] https://galactica.org/static/paper.pdf
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Lors de la conversion des chaînes en objets dans vue.js, JSON.Parse () est préféré pour les chaînes JSON standard. Pour les chaînes JSON non standard, la chaîne peut être traitée en utilisant des expressions régulières et réduisez les méthodes en fonction du format ou du codé décodé par URL. Sélectionnez la méthode appropriée en fonction du format de chaîne et faites attention aux problèmes de sécurité et d'encodage pour éviter les bogues.

L'article présente le fonctionnement de la base de données MySQL. Tout d'abord, vous devez installer un client MySQL, tel que MySQLWorkBench ou le client de ligne de commande. 1. Utilisez la commande MySQL-UROot-P pour vous connecter au serveur et connecter avec le mot de passe du compte racine; 2. Utilisez Createdatabase pour créer une base de données et utilisez Sélectionner une base de données; 3. Utilisez CreateTable pour créer une table, définissez des champs et des types de données; 4. Utilisez InsertInto pour insérer des données, remettre en question les données, mettre à jour les données par mise à jour et supprimer les données par Supprimer. Ce n'est qu'en maîtrisant ces étapes, en apprenant à faire face à des problèmes courants et à l'optimisation des performances de la base de données que vous pouvez utiliser efficacement MySQL.

Il existe de nombreuses raisons pour lesquelles la startup MySQL échoue, et elle peut être diagnostiquée en vérifiant le journal des erreurs. Les causes courantes incluent les conflits de port (vérifier l'occupation du port et la configuration de modification), les problèmes d'autorisation (vérifier le service exécutant les autorisations des utilisateurs), les erreurs de fichier de configuration (vérifier les paramètres des paramètres), la corruption du répertoire de données (restaurer les données ou reconstruire l'espace de la table), les problèmes d'espace de la table InNODB (vérifier les fichiers IBDATA1), la défaillance du chargement du plug-in (vérification du journal des erreurs). Lors de la résolution de problèmes, vous devez les analyser en fonction du journal d'erreur, trouver la cause profonde du problème et développer l'habitude de sauvegarder régulièrement les données pour prévenir et résoudre des problèmes.

Traiter efficacement 7 millions d'enregistrements et créer des cartes interactives avec la technologie géospatiale. Cet article explore comment traiter efficacement plus de 7 millions d'enregistrements en utilisant Laravel et MySQL et les convertir en visualisations de cartes interactives. Exigences initiales du projet de défi: extraire des informations précieuses en utilisant 7 millions d'enregistrements dans la base de données MySQL. Beaucoup de gens considèrent d'abord les langages de programmation, mais ignorent la base de données elle-même: peut-il répondre aux besoins? La migration des données ou l'ajustement structurel est-il requis? MySQL peut-il résister à une charge de données aussi importante? Analyse préliminaire: les filtres et les propriétés clés doivent être identifiés. Après analyse, il a été constaté que seuls quelques attributs étaient liés à la solution. Nous avons vérifié la faisabilité du filtre et établi certaines restrictions pour optimiser la recherche. Recherche de cartes basée sur la ville

Résumé: Il existe les méthodes suivantes pour convertir les tableaux de chaîne Vue.js en tableaux d'objets: Méthode de base: utilisez la fonction de carte pour convenir à des données formatées régulières. Gameplay avancé: l'utilisation d'expressions régulières peut gérer des formats complexes, mais ils doivent être soigneusement écrits et considérés. Optimisation des performances: Considérant la grande quantité de données, des opérations asynchrones ou des bibliothèques efficaces de traitement des données peuvent être utilisées. MEILLEUR PRATIQUE: Effacer le style de code, utilisez des noms de variables significatifs et des commentaires pour garder le code concis.

Afin de définir le délai d'expiration de Vue Axios, nous pouvons créer une instance AxiOS et spécifier l'option Timeout: dans les paramètres globaux: vue.prototype. $ Axios = axios.create ({timeout: 5000}); Dans une seule demande: ce. $ axios.get ('/ api / utilisateurs', {timeout: 10000}).

L'optimisation des performances MySQL doit commencer à partir de trois aspects: configuration d'installation, indexation et optimisation des requêtes, surveillance et réglage. 1. Après l'installation, vous devez ajuster le fichier my.cnf en fonction de la configuration du serveur, tel que le paramètre innodb_buffer_pool_size, et fermer query_cache_size; 2. Créez un index approprié pour éviter les index excessifs et optimiser les instructions de requête, telles que l'utilisation de la commande Explication pour analyser le plan d'exécution; 3. Utilisez le propre outil de surveillance de MySQL (ShowProcessList, Showstatus) pour surveiller la santé de la base de données, et sauvegarde régulièrement et organisez la base de données. Ce n'est qu'en optimisant en continu ces étapes que les performances de la base de données MySQL peuvent être améliorées.

Ingénieur backend à distance Emploi Vacant Société: Emplacement du cercle: Bureau à distance Type d'emploi: Salaire à temps plein: 130 000 $ - 140 000 $ Description du poste Participez à la recherche et au développement des applications mobiles Circle et des fonctionnalités publiques liées à l'API couvrant l'intégralité du cycle de vie de développement logiciel. Les principales responsabilités complètent indépendamment les travaux de développement basés sur RubyOnRails et collaborent avec l'équipe frontale React / Redux / Relay. Créez les fonctionnalités de base et les améliorations des applications Web et travaillez en étroite collaboration avec les concepteurs et le leadership tout au long du processus de conception fonctionnelle. Promouvoir les processus de développement positifs et hiérarchiser la vitesse d'itération. Nécessite plus de 6 ans de backend d'applications Web complexe
