目次
#シナリオ 1: 面接の質問
再開" >再開
ホームページ テクノロジー周辺機器 AI 面接、英語メール、生放送、週報、履歴書の5つのシーンにおいて、GPT 3.5シリーズモデルの費用対効果はどうなのでしょうか?実際のテストを実施し、選択ガイドを提供しました。

面接、英語メール、生放送、週報、履歴書の5つのシーンにおいて、GPT 3.5シリーズモデルの費用対効果はどうなのでしょうか?実際のテストを実施し、選択ガイドを提供しました。

May 08, 2023 pm 07:43 PM
モデル 実測値

GPT 3.5 シリーズで最もパフォーマンスが高いモデルはどれですか?

GPT 3.5 シリーズは一般的なアプリケーション タスクで実際にどのように実行されますか?

GPT 3.5 モデルでさまざまな質問に答えるのにかかる費用は通常どれくらいですか?

今号の「SOTA!実測」

今号の実測の結論は以下の通りです(詳細な評価は記事末をご覧ください )

は現在、特別に最適化された最も強力な GPT-3.5 モデルです。チャット シナリオの場合、価格はテキストです。davinci-003 の 10 分の 1 です。 #キュリー、バベッジ、またはエイダのモデルよりも優れた品質と長い出力で言語タスクを完了でき、指示に従うことができます。 text-davinci-003 と同様の機能がありますが、強化学習ではなく教師あり微調整を通じてトレーニングされ、トークンの最大数は 4097 です。

面接の質問シナリオ タスクでは、gpt-3.5-turbo が総合スコアが最も高く、面接のシナリオによく適応できます。生成された質問は非常に的を絞っており、深い理解が得られます。候補者の能力と経験; text-davinci-002 のスコアは最も低かったものの、質問の範囲が広すぎて基本的に職務内容の繰り返しであり、挑戦的で実践的な質問が欠如しており、生成されたコンテンツさえもまったく使用できませんでした。

英語メール作成シナリオ タスク では、gpt-3.5-turbo と text-davinci-003 の方が全体的なスコアが高く、話し言葉と正式な書き言葉をシミュレートできます。言語スタイル、口語表現とあいまいな名詞の理解と翻訳は良好ですが、安全でないコンテンツを正しく識別できません。text-davinci-002 のスコアが最も低く、話し言葉と書き言葉をうまく切り替えることができず、安全でないコンテンツを正しく識別できません。

ライブ配信シーンの課題では、gpt-3.5-turboが最も高いスコアを獲得し、ライブ配信の内容を正確かつ簡潔かつスムーズに要約することができ、 text-davinci-002 は、シンプル度の要件を満たしていますが、スコアが最も低く、出力精度が平均的で、シーンにうまく適応できませんが、シンプルさと流暢さの点でさらなる改善の余地があります。

週次レポート シナリオ タスク では、gpt-3.5-turbo と text-davinci-003 の方がスコアが高く、論理構造と内容を正確に表現できます。週報 出力内容が比較的充実している点が主な点ですが、text-davinci-002 はスコアが最も低く、週報を表現するロジックが不足しており、構造が合っていないため、内容が適切ではありません。

履歴書シナリオ タスク では、gpt-3.5-turbo が最も高いスコアを獲得しており、採用担当者の要件と現在の学歴を満たす履歴書を専門的に作成できます。 、仕事の経験、スキルの習熟度、自己評価、その他の情報の側面ですが、言語表現の正確さと個人化にもっと注意を払う必要があります;一方、text-davinci-003 と text-davinci-002 はスコアが低く、不足しています。個人化された定量的な結果 説明、履歴書の説明も比較的単純で整理されていません。

#シナリオ 1: 面接の質問


モデル

#gpt-3.5-turbo

text-davinci-003

text-davinci-002

#説明

トークンの最大数

4,096 トークン

##4,097 トークン

##4,097 トークン

#

#価格

##$0.002 / 1K トークン

$0.0200 / 1K トークン

$0.0200 / 1K トークン

総合評価

総合評価が高く、パフォーマンスも高い精度が高く、プロフェッショナルであり、ほとんどのタスクに適応できます。出力結果は比較的完全かつスムーズで、さまざまなタスクの出力も比較的正確で包括的です。高い適応性と汎用性があり、コストは最低です。

全体的なスコアは比較的低く、一部のタスクでは良好に実行されますが、全体的に出力結果はパーソナライゼーションと適切性に欠けており、表現は正確かつ簡潔ではありません十分です。また、時には不正確な点がある場合もあります。

総合スコアは最低です。出力結果は専門的かつ正確ではありません。パーソナライゼーションや適切性が欠如しています。また、言語表現にも大きな問題があります。全体的にはさらなる最適化と改善が必要です。

#面接の質問の作成がどれほど簡単か候補者の情報に基づいて面接の質問を生成する面接の質問を生成することの難しさ生成の容易さ

gpt-3.5-turbo モデルによって生成された面接の質問は、職務記述書の主な責任と要件をカバーしており、面接のシナリオに適応しています。質問は、職歴、プロジェクト経験、スキル、個人的特性などを含む、多角的に候補者の能力と経験を深く理解するものであり、非常に的を絞ったものとなっています。質問は実用的な価値があり、職務との適合性が高く、候補者の能力を効果的に評価できます。

text-davinci-003 モデルによって生成された面接の質問は、職務記述書に記載されている複数の要件とスキルをカバーしていますが、一部の質問は具体的で整理されていません。定かでない。領域をさらに細分化する必要があります。そうしないと、候補者の能力を完全に測定できなくなります。モデルによって生成される質問は、候補者の職業的背景、プロジェクトの経験、スキル、個人的な資質をカバーしますが、一部の質問は、候補者の能力をより適切に評価するために、より具体的かつ詳細なものにすることができます。

text-davinci-002 モデルによって生成された面接の質問は主に職務要件に焦点を当てていますが、これらの質問は広すぎるため、基本的に職務の説明を繰り返しています。候補者と職務内容の一致に関して、より挑戦的で実践的な質問をすることができず、結果として出力が完全に使用不能になる可能性さえあります。質問生成が成功した場合、モデルによって生成された質問は候補者の職業的背景、プロジェクトの経験、スキルをカバーしますが、一部の質問は候補者の能力をより適切に評価するためにより具体的かつ詳細なものにすることができます。

テスト ケースの 1 つを選択して見てみましょう ——

##モデル消費量

gpt-3.5-turboは約0.017元を消費、text-davinci-003は約0.22元を消費、text- davinci-002の価格は約0.19元です。

#推論結果

实测 | GPT 3.5系列模型选择指南:面试、英文邮件、直播、周报、简历5个场景下性价比如何?

##生成されたインタビュー質問の難易度と適切性の観点からは、gpt-3.5-turbo モデルの出力が最高です。ポジションの要件に関していくつかの具体的な質問が提起されましたが、これらの質問も非常に難しく、的を絞ったものであり、候補者の能力と経験を効果的にテストすることができました。 text-davinci-002 モデルの出力は最も単純であるか、まったく使用できないものであり、面接の質問とはみなされません。 text-davinci-003 モデルの出力は 2 つの中間です。提起された質問は gpt-3.5-turbo モデルよりも単純です。質問は十分に詳細ではありませんが、text-davinci-002 モデルよりも具体的です。

面接の質問が職務内容とどの程度一致しているかという点では、

gpt-3.5-turbo モデルの出力が職務内容に最もよく適合しています。要件の包括的かつ詳細な分析が実施され、これらの要件に関して対応する質問が提起されました。 text-davinci-003 モデルの出力にもこのポジションの要件が反映されていますが、質問の数と範囲は比較的少ないです。そして、text-davinci-002 は理解できないと言えます。 # シナリオ 2: 英語メール

#テスト シナリオ

テストの角度

##職務内容に基づいて面接の質問を生成する

#作成された面接の質問が職務内容とどの程度一致しているか

生成された面接の質問が候補者とどの程度一致するか

#テスト シナリオテスト角度翻訳用の特別な固有名詞を挿入します、プロフェッショナル特定の垂直分野の用語、さまざまなシナリオでさまざまな意味を持つ名詞

gpt-3.5-turbo: 総合スコアは 3.3 点です。メールの構成がシーンに適しており、口調が正しく、略語も適切です。学名の固有名詞が含まれていない場合は、入力内の強い感情を十分に理解してフィルタリングし、タイプミスや文法上の誤りなどの入力の問題を正しく修正できますが、安全でないコンテンツを正しく識別できないという欠点があります。

text-davinci-003: 総合スコアは 3 点です。 構造は共通のテンプレートを使用しています。タイトルがなく、文のつながりが単刀直入で、展開が不十分です。固有名詞と曖昧な名詞は正しく理解され、口語的な理解と表現は予想よりも高く、安全でないコンテンツは正しく識別されません。

text-davinci-002: 総合スコアは 2 点です。 構造は共通のテンプレートを使用しています。タイトルはありません。文章はありません。流暢ではない、または間違っている、言語が段落構造が明らかでない、学名の固有名詞が基本的に省略されていない限り略語がない、話し言葉と書き言葉をうまく切り替えることができない、安全でないコンテンツが正しく識別されていない。

テスト ケースの 1 つを選択して見てみましょう— 特別な翻訳を入力に挿入しますテキスト 固有名詞、特定の分野の専門用語、さまざまなシナリオで異なる意味を持つ名詞 以下の入力はテスト例に含まれています

实测 | GPT 3.5系列模型选择指南:面试、英文邮件、直播、周报、简历5个场景下性价比如何?

##モデルの消費

#特別な翻訳が付けられた固有名詞、特定の垂直分野の専門用語、さまざまなシナリオで異なる意味を持つ名詞テストの例を、入力テキスト。gpt-3.5-turbo は約 0.006 元を消費、text-davinci-003 は約 0.067 元を消費、text-davinci-002 は約 0.07 元を消費

推論パフォーマンス

实测 | GPT 3.5系列模型选择指南:面试、英文邮件、直播、周报、简历5个场景下性价比如何?

セマンティックな滑らかさの点では、3 つのモデルはすべて比較的良好なパフォーマンスを示しました。明らかな違い、用語集と文法上の誤り。拡張コンテンツが正しいかどうかに関しては、gpt-3.5-turbo および text-davinci-003 からの応答は比較的包括的であり、各質問に対する詳細な回答が提供され、関連する提案や製品の推奨事項がいくつか提供されています。 Text-davinci-002 はいくつかの質問に回答しただけで、多くの関連する詳細や提案は提供されませんでした。

曖昧名詞の翻訳が正しいか、専門名詞・固有名詞の翻訳が正しいかという点では、3 つのモデルのパフォーマンスは比較的良好です。 gpt-3.5-turbo と text-davinci-003、text-davinci-002 は両方とも、正しい英語用語を使用して、ポリテトラフルオロエチレン (PTFE) と過フッ素化化合物 (PFC) を正しく翻訳します。

アプリケーション タスク 3: ライブ ブロードキャスト支援

#意味論がスムーズかどうか、展開された内容が正しいか、曖昧な名詞の翻訳が正しいか、専門名詞・固有名詞の翻訳が正しいか

入力では、「口語」または「書き言葉」で出力する必要があります

大丈夫ですか? 話し言葉または正式な書き言葉のスタイルをシミュレートします

入力に口語調で書き、 「書かれた」出力が必要であり、一部の背景情報を省略し、入力で曖昧な名詞を使用します。

話し言葉または正式な書き言葉のスタイルをシミュレートできるかどうか、および音声言語表現を正しく理解できるかどうか、入力に犯罪関連のコンテンツが含まれる曖昧な名詞を正しく翻訳できるかどうか

安全でないコンテンツがフィルタリングされるかどうか

入力で反転を使用する文、同音異義語のタイプミス、方言、口語省略文

中国語の文法上の誤り、タイプミス、不完全な文章を正しくフィルタリングして理解できるかどうか

#生成された回答の品質、正確さ

gpt-3.5-turbo: 総合スコアは 4.4 ポイントです。 モデルは、ユーザーが提示した要件を正確かつ正確に実装しています。出力コンテンツは入力をエコーし​​、適合します。テーマシーン、表現が正確である、元の情報が省略されたり歪められたりしていない、質問に対する回答が簡潔にまとめられている、要件の簡潔さの要件に従っている、出力がスムーズである、文章の構造が簡潔かつ明確である、そして表情もはっきりしています。

text-davinci-003: 全体のスコアは 4.2 ポイントです。 モデルの概要がより正確になり、生成されたコンテンツがシーンに適合します。同時に、情報は不必要な情報を追加せず、言語の流暢さも良好で、内容の流暢さと簡潔さの要件を満たします。ただし、生成されたコンテンツは追加の分析や洞察を提供せず、より幅広く、より深くする必要がある一方で、さらなる洗練と簡素化された言語の必要性があります。

text-davinci-002: 全体のスコアは 1.5 ポイントです。 モデルの出力精度は平均的で、問題点の基本的な部分はカバーされています。それらのほとんどは比較できません シーンによく適応します 生成された文の構造は比較的複雑で、単語の冗長性は明らかで、言語表現はやや硬いため、読者のテキストの理解と読解の流暢さに影響を与える可能性があります。シンプルさと流暢さの点でさらなる改善の余地があります。

# テスト ケースの 1 つを選択して見てみましょう—

实测 | GPT 3.5系列模型选择指南:面试、英文邮件、直播、周报、简历5个场景下性价比如何?

コスト消費

#ライブ ブロードキャストのテーマに基づいて、ライブ アウトライン テストの例を作成します。コストは約 0.01 元です。text-davinci-003 は約 0.11 元、text-davinci-002 は約 0.071 元を消費します

推論結果

实测 | GPT 3.5系列模型选择指南:面试、英文邮件、直播、周报、简历5个场景下性价比如何?

##gpt-3.5-turbo の出力は、 AIGC技術とコンテンツ産業の組み合わせ、成功事例や今後の発展方向など、概要内容も充実しており、全体的にクオリティが高いです。

text-davinci-003 出力もある程度は使用できますが、主に AIGC の導入とその歴史のため、トピックとの関連性が少し欠けています。コンテンツ産業への扉を開く方法や AIGC の将来などの言及された内容は、テーマとは密接な関連性はなく、比較的一般的です。

text-davinci-002 テーマの要件とは大きく異なりますが、コンテンツ制作会社としてのAIGCの概要について触れられていますが、概要の内容は会社紹介のようなもので、テーマとは異なるため、直接的な相関関係はなく、生放送の概要の実質的な意義が欠けています。

# シーン 4: 作業週報

テストシナリオ

#テスト角度

#のテキスト内容に基づく生放送の場合は、A summary

としてまとめられます。

生成されたコンテンツの正確さ、洗練度、流暢さの概要

いくつかのキーの洗練ライブ テキスト コンテンツに基づくポイント

#生成されたコンテンツの正確さ、洗練さ、流暢さの重要なポイント

#ライブ ブロードキャストのテーマに基づいてライブ ブロードキャスト アウトラインを作成する

生成されたライブ ブロードキャスト アウトラインの品質、関連性テーマの度数

#ライブ テキストのコンテンツに基づいて質問の答えを見つけます

#テストシナリオベースon 作業内容の提供と週次レポートの出力# 今週の作業内容をもとに、来週の作業週報を出力予測能力を考慮する

gpt-3.5-turbo: 総合スコアは 3.4 点です。 は、タイトル、時間、作業概要に従って、比較的標準的な週報形式で作業内容を示します。週、来週 作業計画と要約テンプレートが表現されており、いくつかの主要な作業タスク、職務責任などを通じて、より深く詳細なコンテンツと関連付けることができます。全体的に、出力コンテンツは比較的完全で、明確な構造と明確な論理を備えています。レベル。

text-davinci-003: 総合スコアは 3.1 ポイントです。 は与えられた内容を段落形式で表現しており、次のことができます。要件を完全に満たし、同じ属性を持ついくつかの作業内容を統合でき、ある程度のロジックがあり、階層が明確で、一定の実用性があること。しかし、現場への適応力が十分ではなく、場合によっては展開力が不足していたり​​、体制が十分に明確でなかったり、組織力が不足していたり​​する。

text-davinci-002: 総合スコアは 1.5 点です。入力内容のシナリオを正しく理解できません。出力内容はシナリオを表現していません。週報のテーマとロジック、構造が合っていない、内容が適切でない、プロセス記述がある、拡張機能がない、入力内容を直訳して前回の回答を繰り返す場合もある、モデルのパフォーマンスが低下します。

# テスト ケースの 1 つを選択して見てみましょう——

实测 | GPT 3.5系列模型选择指南:面试、英文邮件、直播、周报、简历5个场景下性价比如何?

消費コスト

与えられた大まかな説明に基づいて週次レポートのテスト例を出力します (gpt) -3.5- Turbo は約 0.0065 元を消費、text-davinci-003 は約 0.094 元を消費、text-davinci-002 は約 0.072 元を消費

推論結果

实测 | GPT 3.5系列模型选择指南:面试、英文邮件、直播、周报、简历5个场景下性价比如何?

このタスクでは、3 つのモデルの出力品質は比較的良好であり、すべてのモデルが今週の表紙 主な作品内容ですが、微妙に違う部分もあります。

gpt-3.5-turbo の出力は比較的詳細で、設計プロセス、インターフェイス、スコア基準などの各タスクの詳細がリストされ、次のステップも提案されています。週刊紙の読者にさらに詳しい情報を提供する予定。

text-davinci-003 出力には詳細情報も含まれていますが、評価システムのデータソース、評価項目、評価方法などの技術的な詳細に重点が置かれています。この週次レポートでは、技術的な説明に重点を置いています。

text-davinci-002 の出力はより簡潔かつ明確ですが、それでも明確です。プロジェクトと作業の一般的な方向性に焦点を当てており、詳細についてはあまり説明しません。

一般に、3 つのモデルの出力はタスクのニーズを満たすことができますが、gpt-3.5-turbo と text-davinci-003 の出力はより詳細で、より多くの情報を提供します。詳細かつ技術レベルの情報、より包括的な週次レポートが必要な場合は、これら 2 つのモデルを選択できます。 text-davinci-002 の出力はより簡潔かつ明確で、短くても明確な週次レポートを必要とする人に適しています。

シナリオ 5:

再開

検査角度

#磨き力、拡張力、出力内容の充実度・完成度を考慮

##大まかな作業内容を提示して週報を出力する

異業種の人が大まかな作業内容を提示して出力する週報の品質を検討する

与えられた作業内容と対象となるテンプレート構造をもとに、テンプレート化された週報を出力します

既知の仕様に従って週報出力を検討

##職務責任と生成された履歴書の一致とプロフェッショナリズム職務要件に基づいて生成された履歴書## 履歴書に基づいて生成自己紹介について
##テストシナリオ

#検査の視点

##職務責任に基づいて履歴書を作成

#職務要件と履歴書のマッチング

生成されたコンテンツの正確さとプロフェッショナリズム

##職務に基づいて履歴書テンプレートを生成する

プロフェッショナリズムとマッチングのためのテンプレートを生成

#

gpt-3.5-turbo: 総合スコアは 4 ポイントで、高い専門性があり、テンプレート出力ジョブの要件のすべての側面がカバーされており、内容は正確です。この経験は職務要件の能力と特性に対応しており、読者が一目で理解でき、採用担当者の要件にも応えやすくなっており、完全に提示されており、担当者が出力する情報です。学歴から職歴、スキル習得、自己評価までを網羅したテンプレートが完成しており、採用担当者に総合的な理解を与えることができます。しかし、個性に欠け、表現形式も単一であり、言語表現に使用される言葉にも配慮が必要である。

text-davinci-003: 総合スコアは 1.9 ポイントですが、 には具体的なプロジェクトの事例と結果の表示がありません。求人に関する個別の説明はありません。履歴書には採用要件を満たす多くの条件が記載されていましたが、採用ポジションの特徴やニーズを具体的に説明したり強調したりするものではありませんでした。結果の定量的な説明が不足している。言語表現が十分に簡潔かつ正確ではありません。

text-davinci-002: 総合スコアは 1.3 ポイントです。全体的な出力情報が少なすぎるため、必要な基本情報がありません。標準の履歴書を満たしています。説明文が短すぎます。明確な求職目標が欠如し、パーソナライゼーションと適切性が欠如し、定量的指標が欠如し、経験とスキルの比較的単純な説明、比較的単純なフォーマット、仕様を満たしていない、モデルのパフォーマンスが低い。

# テスト ケースの 1 つを選択して見てみましょう——

实测 | GPT 3.5系列模型选择指南:面试、英文邮件、直播、周报、简历5个场景下性价比如何?

消費コスト

職務に基づいて履歴書テンプレートを生成するテスト例、 gpt-3.5-turbo 約 0.0077 元を消費、text-davinci-003 は約 0.1 元、text-davinci-002 は約 0.022 元を消費

推論出力

实测 | GPT 3.5系列模型选择指南:面试、英文邮件、直播、周报、简历5个场景下性价比如何?

##専門性と生成されたテンプレートのマッチングの観点から、gpt-3.5-turbo をご覧ください。 text-davinci-003 個人情報、学歴、職歴、専門スキル、自己評価などの重要な要素を含む比較的完全な履歴書のテンプレートを提供しており、形式も比較的標準化されています。

しかし、注意深く見てみると、text-davinci-003 には現実的な認識と明らかに矛盾していることがわかります。これは、仕事の要件と個人の能力との一致について具体的に説明しているわけではありません。専門スキルのセクションでは、受験者はコンピューター操作と CET-6 に精通していますが、焼き芋の販売職に関する専門スキルや知識が不足しています。 Text-davinci-002 は比較的簡潔で、応募者の目標、スキル、経験、学歴などの基本情報のみを提供します。

3 つの GPT 3.5 シリーズ モデルの比較概要

インタビュー シナリオ タスクでは、gpt-3.5-turbo が総合スコアが最も高く、インタビュー シナリオによく適応できます。 text-davinci-002 の質問は非常に的を絞っており、複数の角度から候補者の能力と経験を深く理解していますが、text-davinci-002 のスコアは最も低いです。質問の範囲が広すぎて、基本的には次のことを繰り返しています。職務内容が明確でなく、挑戦的で実践的な質問が欠けている場合や、生成されたコンテンツさえも完全に利用できない場合があります。

英語の電子メール作成シナリオ タスクでは、gpt-3.5-turbo と text-davinci-003 の方が全体的なスコアが高く、話し言葉と正式な書き言葉のスタイルをシミュレートできます。表現や曖昧な名詞の理解と翻訳はできるが、安全でないコンテンツを正しく識別できない、text-davinci-002 のスコアが最も低く、話し言葉と書き言葉をうまく切り替えることができず、安全でないコンテンツを正しく識別できない。

ライブ ブロードキャスト シーンのタスクでは、gpt-3.5-turbo が最も高いスコアを獲得し、ライブ コンテンツを正確、簡潔、スムーズに要約し、簡潔さの要件を満たすことができます。一方、text-davinci -002 はスコアが最も低く、出力精度は平均的で、シーンにうまく適応できませんが、簡単さと流暢さの点でさらに改善の余地があります。

作業週報を作成するシナリオ タスクでは、gpt-3.5-turbo と text-davinci-003 の方がスコアが高く、週報の論理構造と内容ポイント、および出力を正確に表現できます。内容は比較的充実していますが、テキスト -davinci-002 の評価は最も低く、週次レポートを表現するためのロジックが欠如しており、構造が一致しておらず、内容も関連性がありません。

履歴書シナリオ タスクでは、gpt-3.5-turbo が最も高いスコアを獲得しており、採用担当者の要件を満たし、学歴、職歴、スキルを示す履歴書を専門的に作成できます。しかし、text-davinci-003 と text-davinci-002 はスコアが低く、言語表現の正確さと個人化にはさらに注意を払う必要があります。実績や履歴書の記載も比較的シンプルで整理されていない。

上記 5 つのアプリケーション タスクを総合的に評価すると、次のようになります。 次の評価は、特定のアプリケーション シナリオにおけるこれらのモデルの評価のみを表しています。他のアプリケーション シナリオやタスクでは評価が異なる場合があります。これらの モデルの一部はまだ反復の過程にあり、パフォーマンスが向上する可能性があります。今後のテストでは、GPT シリーズの新モデル (GPT-4 など) の比較も追加する予定です。

#3.83.2面接の質問を作成する##3.753.5##メールの書き方##入力に犯罪関連のコンテンツが含まれる##ライブ ブロードキャストの概要 ライブ テキストの内容に基づいて概要を要約します44##ライブに基づくテキストの内容 いくつかの重要なポイントを抽出##44ライブ テキスト コンテンツに基づいて質問の答えを見つけます##指定された内容に基づいて、週次作業報告書を作成します。作業内容出力週次レポート1##42履歴書を書く職務責任に基づいて履歴書を作成4.5#自己紹介に基づいて履歴書を作成## 3.5 ##
#タスクの適用

テスト シナリオ

GPT-3.5 ターボ

text-davinci-003

text-davinci-002

総合点(合計5点、以下同じ)


##1.7

職務内容に基づいて面接の質問を生成する

4.5

##4

0

##に基づく候補者情報生成面接の質問

4.5

特殊な翻訳が付けられた固有名詞、特定の分野の専門用語、さまざまなシナリオで異なる意味を持つ名詞を入力テキストに挿入します

5

##3

##2

入力には「口語」および「書面」出力が必要です

#3.5

3

3.5

入力では口語調で書き、「書面」出力が必要で、入力では背景の一部を省略します。情報、曖昧な名詞の使用

#4

5

2

##1

1

1

#入力文で倒置文、同音異義語のタイプミス、方言、口語省略文を使用します

3

##4

#3

##3

4.7

#3

生放送のテーマに基づいて、生放送の概要を書きます

##4

0

#5

##5

0

##4

##3.5

0

##指定された大まかな説明に基づいて週次レポートを出力します

4.5

##4

##3

#指定された作業内容と対象のテンプレート構造に基づいて、テンプレート化された週次レポートを出力します

#3

#1

# 今週の作業内容をもとに、来週の作業週報を出力します

2

##4

##1.5

#1.5

##職務要件に基づいて履歴書を作成します

##3

1.5

#3.5

1.5

1

##職務に基づいて履歴書テンプレートを生成

#1.5

##1

以上が面接、英語メール、生放送、週報、履歴書の5つのシーンにおいて、GPT 3.5シリーズモデルの費用対効果はどうなのでしょうか?実際のテストを実施し、選択ガイドを提供しました。の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

このウェブサイトの声明
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。

ホットAIツール

Undresser.AI Undress

Undresser.AI Undress

リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover

AI Clothes Remover

写真から衣服を削除するオンライン AI ツール。

Undress AI Tool

Undress AI Tool

脱衣画像を無料で

Clothoff.io

Clothoff.io

AI衣類リムーバー

AI Hentai Generator

AI Hentai Generator

AIヘンタイを無料で生成します。

ホットツール

メモ帳++7.3.1

メモ帳++7.3.1

使いやすく無料のコードエディター

SublimeText3 中国語版

SublimeText3 中国語版

中国語版、とても使いやすい

ゼンドスタジオ 13.0.1

ゼンドスタジオ 13.0.1

強力な PHP 統合開発環境

ドリームウィーバー CS6

ドリームウィーバー CS6

ビジュアル Web 開発ツール

SublimeText3 Mac版

SublimeText3 Mac版

神レベルのコード編集ソフト(SublimeText3)

世界で最も強力なオープンソース MoE モデルが登場。GPT-4 に匹敵する中国語機能を備え、価格は GPT-4-Turbo のわずか 1% 近くです 世界で最も強力なオープンソース MoE モデルが登場。GPT-4 に匹敵する中国語機能を備え、価格は GPT-4-Turbo のわずか 1% 近くです May 07, 2024 pm 04:13 PM

従来のコンピューティングを超える能力を備えているだけでなく、より低コストでより効率的なパフォーマンスを実現する人工知能モデルを想像してみてください。これは SF ではありません。世界で最も強力なオープンソース MoE モデルである DeepSeek-V2[1] が登場しました。 DeepSeek-V2 は、経済的なトレーニングと効率的な推論の特徴を備えた強力な専門家混合 (MoE) 言語モデルです。これは 236B のパラメータで構成されており、そのうち 21B は各マーカーをアクティブにするために使用されます。 DeepSeek67B と比較して、DeepSeek-V2 はパフォーマンスが優れていると同時に、トレーニング コストを 42.5% 節約し、KV キャッシュを 93.3% 削減し、最大生成スループットを 5.76 倍に高めます。 DeepSeek は一般的な人工知能を研究する会社です

MLP に代わる KAN は、オープンソース プロジェクトによって畳み込みまで拡張されました MLP に代わる KAN は、オープンソース プロジェクトによって畳み込みまで拡張されました Jun 01, 2024 pm 10:03 PM

今月初め、MIT やその他の機関の研究者らは、MLP に代わる非常に有望な代替案である KAN を提案しました。 KAN は、精度と解釈可能性の点で MLP よりも優れています。また、非常に少数のパラメーターを使用して、多数のパラメーターを使用して実行する MLP よりも優れたパフォーマンスを発揮できます。たとえば、著者らは、KAN を使用して、より小規模なネットワークと高度な自動化で DeepMind の結果を再現したと述べています。具体的には、DeepMind の MLP には約 300,000 個のパラメーターがありますが、KAN には約 200 個のパラメーターしかありません。 KAN は、MLP が普遍近似定理に基づいているのに対し、KAN はコルモゴロフ-アーノルド表現定理に基づいているのと同様に、強力な数学的基礎を持っています。以下の図に示すように、KAN は

こんにちは、電気アトラスです!ボストン・ダイナミクスのロボットが復活、180度の奇妙な動きにマスク氏も恐怖 こんにちは、電気アトラスです!ボストン・ダイナミクスのロボットが復活、180度の奇妙な動きにマスク氏も恐怖 Apr 18, 2024 pm 07:58 PM

Boston Dynamics Atlas は正式に電動ロボットの時代に突入します!昨日、油圧式アトラスが歴史の舞台から「涙ながらに」撤退したばかりですが、今日、ボストン・ダイナミクスは電動式アトラスが稼働することを発表しました。ボストン・ダイナミクス社は商用人型ロボットの分野でテスラ社と競争する決意を持っているようだ。新しいビデオが公開されてから、わずか 10 時間ですでに 100 万人以上が視聴しました。古い人が去り、新しい役割が現れるのは歴史的な必然です。今年が人型ロボットの爆発的な年であることは間違いありません。ネットユーザーは「ロボットの進歩により、今年の開会式は人間のように見え、人間よりもはるかに自由度が高い。しかし、これは本当にホラー映画ではないのか?」とコメントした。ビデオの冒頭では、アトラスは仰向けに見えるように地面に静かに横たわっています。次に続くのは驚くべきことです

AI が数学研究を破壊する!フィールズ賞受賞者で中国系アメリカ人の数学者が上位 11 件の論文を主導 | テレンス・タオが「いいね!」しました AI が数学研究を破壊する!フィールズ賞受賞者で中国系アメリカ人の数学者が上位 11 件の論文を主導 | テレンス・タオが「いいね!」しました Apr 09, 2024 am 11:52 AM

AI は確かに数学を変えつつあります。最近、この問題に細心の注意を払っている陶哲軒氏が『米国数学協会会報』(米国数学協会会報)の最新号を送ってくれた。 「機械は数学を変えるのか?」というテーマを中心に、多くの数学者が意見を述べ、そのプロセス全体は火花に満ち、ハードコアで刺激的でした。著者には、フィールズ賞受賞者のアクシャイ・ベンカテシュ氏、中国の数学者鄭楽軍氏、ニューヨーク大学のコンピューター科学者アーネスト・デイビス氏、その他業界で著名な学者を含む強力な顔ぶれが揃っている。 AI の世界は劇的に変化しています。これらの記事の多くは 1 年前に投稿されたものです。

Google は大喜び: JAX のパフォーマンスが Pytorch や TensorFlow を上回りました! GPU 推論トレーニングの最速の選択肢となる可能性があります Google は大喜び: JAX のパフォーマンスが Pytorch や TensorFlow を上回りました! GPU 推論トレーニングの最速の選択肢となる可能性があります Apr 01, 2024 pm 07:46 PM

Google が推進する JAX のパフォーマンスは、最近のベンチマーク テストで Pytorch や TensorFlow のパフォーマンスを上回り、7 つの指標で 1 位にランクされました。また、テストは最高の JAX パフォーマンスを備えた TPU では行われませんでした。ただし、開発者の間では、依然として Tensorflow よりも Pytorch の方が人気があります。しかし、将来的には、おそらくより大規模なモデルが JAX プラットフォームに基づいてトレーニングされ、実行されるようになるでしょう。モデル 最近、Keras チームは、ネイティブ PyTorch 実装を使用して 3 つのバックエンド (TensorFlow、JAX、PyTorch) をベンチマークし、TensorFlow を使用して Keras2 をベンチマークしました。まず、主流のセットを選択します

時系列予測 NLP 大規模モデルの新機能: 時系列予測の暗黙的なプロンプトを自動的に生成 時系列予測 NLP 大規模モデルの新機能: 時系列予測の暗黙的なプロンプトを自動的に生成 Mar 18, 2024 am 09:20 AM

今日は、時系列予測のパフォーマンスを向上させるために、時系列データを潜在空間上の大規模な自然言語処理 (NLP) モデルと整合させる方法を提案するコネチカット大学の最近の研究成果を紹介したいと思います。この方法の鍵は、潜在的な空間ヒント (プロンプト) を使用して時系列予測の精度を高めることです。論文タイトル: S2IP-LLM: SemanticSpaceInformedPromptLearningwithLLMforTimeSeriesForecasting ダウンロードアドレス: https://arxiv.org/pdf/2403.05798v1.pdf 1. 大きな問題の背景モデル

テスラのロボットは工場で働く、マスク氏:手の自由度は今年22に達する! テスラのロボットは工場で働く、マスク氏:手の自由度は今年22に達する! May 06, 2024 pm 04:13 PM

テスラのロボット「オプティマス」の最新映像が公開され、すでに工場内で稼働可能となっている。通常の速度では、バッテリー(テスラの4680バッテリー)を次のように分類します:公式は、20倍の速度でどのように見えるかも公開しました - 小さな「ワークステーション」上で、ピッキング、ピッキング、ピッキング:今回は、それがリリースされたハイライトの1つビデオの内容は、オプティマスが工場内でこの作業を完全に自律的に行​​い、プロセス全体を通じて人間の介入なしに完了するというものです。そして、オプティマスの観点から見ると、自動エラー修正に重点を置いて、曲がったバッテリーを拾い上げたり配置したりすることもできます。オプティマスのハンドについては、NVIDIA の科学者ジム ファン氏が高く評価しました。オプティマスのハンドは、世界の 5 本指ロボットの 1 つです。最も器用。その手は触覚だけではありません

FisheyeDetNet: 魚眼カメラに基づいた最初のターゲット検出アルゴリズム FisheyeDetNet: 魚眼カメラに基づいた最初のターゲット検出アルゴリズム Apr 26, 2024 am 11:37 AM

目標検出は自動運転システムにおいて比較的成熟した問題であり、その中でも歩行者検出は最も初期に導入されたアルゴリズムの 1 つです。ほとんどの論文では非常に包括的な研究が行われています。ただし、サラウンドビューに魚眼カメラを使用した距離認識については、あまり研究されていません。放射状の歪みが大きいため、標準のバウンディング ボックス表現を魚眼カメラに実装するのは困難です。上記の説明を軽減するために、拡張バウンディング ボックス、楕円、および一般的な多角形の設計を極/角度表現に探索し、これらの表現を分析するためのインスタンス セグメンテーション mIOU メトリックを定義します。提案された多角形モデルの FisheyeDetNet は、他のモデルよりも優れたパフォーマンスを示し、同時に自動運転用の Valeo 魚眼カメラ データセットで 49.5% の mAP を達成しました。

See all articles