Wen Xin이 대상에 대한 소문을 반박하기 위해 [당신이 그리면 추측합니다]라고 말했고, Baidu의 반응은 여기에 있습니다!
Wenxinyiyan은 모두가 사용하면서 끊임없이 배우고 성장하고 있습니다. 자체 개발한 기술과 제품에 약간의 자신감과 시간을 주시고, 소문을 퍼뜨리거나 믿지 마십시오.
조직 | Yun Zhao
최근 누군가 Wen Xin Yiyan을 사용하는 동안 Wen Sheng Diagram 기능에 잘못된 점을 발견했습니다.
예를 들어 "마우스"를 "마우스"로 그리고 "버스"를 "버스"로 그립니다. 둘째, 중국어 이해능력에 큰 문제가 있다. 나는 "당신이 그림을 그리고 나는 추측한다"라는 작은 폭풍에 빠졌습니다. 예를 들어 "텍사스 브레이즈 치킨"을 "수탉 한 접시"로 그려보세요.
Baidu는 다음과 같이 응답했습니다.
Wen Xin Yi Yan Wen Sheng Tu의 기능에 대한 관련 피드백을 확인했습니다. 응답 설명은 다음과 같습니다.
1. Wenxin Yiyan은 Baidu가 독립적으로 개발한 완전한 대형 언어 모델입니다. Wenxin 그래프 기능은 Wenxin 크로스 모달 대형 모델 ERNIE-ViLG에서 비롯되었습니다.
2. 대규모 모델 훈련에서는 업계 관행에 맞는 글로벌 인터넷 공개 데이터를 사용합니다. 누구나 Wenshengtu 기능의 빠른 조정과 반복을 통해 Baidu의 자체 연구 강점을 확인할 수 있습니다.
Wen Xin Yi Yan은 모두가 사용하면서 끊임없이 배우고 성장하고 있습니다. 자체 개발한 기술과 제품에 약간의 자신감과 시간을 주시고, 소문을 퍼뜨리거나 믿지 마십시오. Wen Xin Yi Yan이 더 많은 것을 가져올 수 있기를 바랍니다. 모두에게 기쁨.
몇 가지 사용 사례 다이어그램이 기사 끝에 첨부되어 있습니다. Wen Xinyiyan이 빠르게 반복하고 조정할 수 있기를 바랍니다. 여러분, 자체 개발한 모델의 시간을 가져보세요!
![Wen Xin이 대상에 대한 소문을 반박하기 위해 [당신이 그리면 추측합니다]라고 말했고, Baidu의 반응은 여기에 있습니다!](https://img.php.cn/upload/article/000/000/000/168032087928272.png "Wen Xin이 대상에 대한 소문을 반박하기 위해 [당신이 그리면 추측합니다]라고 말했고, Baidu의 반응은 여기에 있습니다!")
![Wen Xin이 대상에 대한 소문을 반박하기 위해 [당신이 그리면 추측합니다]라고 말했고, Baidu의 반응은 여기에 있습니다!](https://img.php.cn/upload/article/000/000/000/168032087973175.png "Wen Xin이 대상에 대한 소문을 반박하기 위해 [당신이 그리면 추측합니다]라고 말했고, Baidu의 반응은 여기에 있습니다!")
![Wen Xin이 대상에 대한 소문을 반박하기 위해 [당신이 그리면 추측합니다]라고 말했고, Baidu의 반응은 여기에 있습니다!](https://img.php.cn/upload/article/000/000/000/168032087953304.png "Wen Xin이 대상에 대한 소문을 반박하기 위해 [당신이 그리면 추측합니다]라고 말했고, Baidu의 반응은 여기에 있습니다!")
![Wen Xin이 대상에 대한 소문을 반박하기 위해 [당신이 그리면 추측합니다]라고 말했고, Baidu의 반응은 여기에 있습니다!](https://img.php.cn/upload/article/000/000/000/168032088056837.png "Wen Xin이 대상에 대한 소문을 반박하기 위해 [당신이 그리면 추측합니다]라고 말했고, Baidu의 반응은 여기에 있습니다!")
![Wen Xin이 대상에 대한 소문을 반박하기 위해 [당신이 그리면 추측합니다]라고 말했고, Baidu의 반응은 여기에 있습니다!](https://img.php.cn/upload/article/000/000/000/168032088017818.png "Wen Xin이 대상에 대한 소문을 반박하기 위해 [당신이 그리면 추측합니다]라고 말했고, Baidu의 반응은 여기에 있습니다!")
사실 빈센트의 그림뿐만 아니라, 단순한 대화도 옳고 그름의 혼란을 초래합니다.
![Wen Xin이 대상에 대한 소문을 반박하기 위해 [당신이 그리면 추측합니다]라고 말했고, Baidu의 반응은 여기에 있습니다!](https://img.php.cn/upload/article/000/000/000/168032088026143.png "Wen Xin이 대상에 대한 소문을 반박하기 위해 [당신이 그리면 추측합니다]라고 말했고, Baidu의 반응은 여기에 있습니다!")
![Wen Xin이 대상에 대한 소문을 반박하기 위해 [당신이 그리면 추측합니다]라고 말했고, Baidu의 반응은 여기에 있습니다!](https://img.php.cn/upload/article/000/000/000/168032088117947.png "Wen Xin이 대상에 대한 소문을 반박하기 위해 [당신이 그리면 추측합니다]라고 말했고, Baidu의 반응은 여기에 있습니다!")
위 내용은 Wen Xin이 대상에 대한 소문을 반박하기 위해 [당신이 그리면 추측합니다]라고 말했고, Baidu의 반응은 여기에 있습니다!의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!
핫 AI 도구
Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱
AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.
Undress AI Tool
무료로 이미지를 벗다
Clothoff.io
AI 옷 제거제
AI Hentai Generator
AI Hentai를 무료로 생성하십시오.
인기 기사
뜨거운 도구
메모장++7.3.1
사용하기 쉬운 무료 코드 편집기
SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.
스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경
드림위버 CS6
시각적 웹 개발 도구
SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)
뜨거운 주제
7549
15
1382
52
83
11
58
19
22
90
OpenAI 데이터가 필요하지 않습니다. 대규모 코드 모델 목록에 참여하세요! UIUC, StarCoder-15B-Instruct 출시
Jun 13, 2024 pm 01:59 PM
소프트웨어 기술의 선두에 있는 UIUC Zhang Lingming 그룹은 BigCode 조직의 연구원들과 함께 최근 StarCoder2-15B-Instruct 대규모 코드 모델을 발표했습니다. 이 혁신적인 성과는 코드 생성 작업에서 획기적인 발전을 이루었으며 CodeLlama-70B-Instruct를 성공적으로 능가하고 코드 생성 성능 목록의 최상위에 올랐습니다. StarCoder2-15B-Instruct의 독창성은 순수한 자체 정렬 전략에 있습니다. 전체 훈련 프로세스는 개방적이고 투명하며 완전히 자율적이고 제어 가능합니다. 이 모델은 값비싼 수동 주석에 의존하지 않고 StarCoder-15B 기본 모델을 미세 조정한 것에 대한 응답으로 StarCoder2-15B를 통해 수천 개의 명령을 생성합니다.
Yolov10: 자세한 설명, 배포, 적용이 모두 한곳에!
Jun 07, 2024 pm 12:05 PM
1. 소개 지난 몇 년 동안 YOLO는 계산 비용과 감지 성능 간의 효과적인 균형으로 인해 실시간 객체 감지 분야에서 지배적인 패러다임이 되었습니다. 연구원들은 YOLO의 아키텍처 설계, 최적화 목표, 데이터 확장 전략 등을 탐색하여 상당한 진전을 이루었습니다. 동시에 사후 처리를 위해 NMS(비최대 억제)에 의존하면 YOLO의 엔드투엔드 배포가 방해되고 추론 대기 시간에 부정적인 영향을 미칩니다. YOLO에서는 다양한 구성 요소의 설계에 포괄적이고 철저한 검사가 부족하여 상당한 계산 중복이 발생하고 모델 기능이 제한됩니다. 이는 최적이 아닌 효율성을 제공하며 성능 향상을 위한 상대적으로 큰 잠재력을 제공합니다. 이 작업의 목표는 사후 처리와 모델 아키텍처 모두에서 YOLO의 성능 효율성 경계를 더욱 향상시키는 것입니다. 이를 위해
바이두 아폴로, L4 자율주행을 지원하는 세계 최초 대형 모델 '아폴로 ADFM' 출시
Jun 04, 2024 pm 08:01 PM
5월 15일, Baidu Apollo는 우한 Baidu Carrot Auto Robot Zhixing Valley에서 Apollo Day 2024를 개최하여 지난 10년 동안 Baidu의 자율 주행 분야의 주요 발전을 종합적으로 시연하고 대형 모델을 기반으로 한 기술 도약과 승객 안전에 대한 새로운 정의를 가져왔습니다. 세계 최대 자율주행차 운영 네트워크 바이두는 사람이 운전하는 것보다 자율주행을 더 안전하게 만들었습니다. 덕분에 더 안전하고, 더 편안하고, 친환경적이고, 저탄소 여행 방식이 이상에서 현실로 바뀌고 있습니다. 바이두 그룹 부사장이자 지능형 운전 비즈니스 그룹 사장인 왕윤펑(Wang Yunpeng)은 현장에서 "자율주행차를 만드는 우리의 원래 의도는 더 나은 여행에 대한 사람들의 점점 커지는 갈망을 충족시키는 것입니다. 사람들의 만족은 우리의 원동력입니다. 왜냐하면 안전, 너무 아름다워요, 만나서 반가워요
DeepSeek 웹 버전 입구 DeepSeek 공식 웹 사이트 입구
Feb 19, 2025 pm 04:54 PM
DeepSeek은 웹 버전과 공식 웹 사이트의 두 가지 액세스 방법을 제공하는 강력한 지능형 검색 및 분석 도구입니다. 웹 버전은 편리하고 효율적이며 설치없이 사용할 수 있습니다. 개인이든 회사 사용자이든, DeepSeek를 통해 대규모 데이터를 쉽게 얻고 분석하여 업무 효율성을 향상시키고 의사 결정을 지원하며 혁신을 촉진 할 수 있습니다.
Tsinghua University가 인수하고 YOLOv10이 출시되었습니다. 성능이 크게 향상되어 GitHub 인기 목록에 올랐습니다.
Jun 06, 2024 pm 12:20 PM
표적 탐지 시스템의 벤치마크 YOLO 시리즈가 다시 한 번 대대적인 업그레이드를 받았습니다. 올해 2월 YOLOv9이 출시된 이후 YOLO(YouOnlyLookOnce) 시리즈의 지휘봉은 칭화대학교 연구진의 손에 넘어갔다. 지난 주말 YOLOv10 출시 소식이 AI 커뮤니티의 관심을 끌었다. 컴퓨터 비전 분야의 획기적인 프레임워크로 간주되며 실시간 엔드투엔드 개체 감지 기능으로 유명하며 효율성과 정확성을 결합한 강력한 솔루션을 제공함으로써 YOLO 시리즈의 유산을 이어갑니다. 논문 주소: https://arxiv.org/pdf/2405.14458 프로젝트 주소: https://github.com/THU-MIG/yo
Google Gemini 1.5 기술 보고서: 수학 올림피아드 문제를 쉽게 증명할 수 있으며 Flash 버전은 GPT-4 Turbo보다 5배 빠릅니다.
Jun 13, 2024 pm 01:52 PM
올해 2월 Google은 엔지니어링 및 인프라 최적화, MoE 아키텍처 및 기타 전략을 통해 성능과 속도를 크게 향상시킨 다중 모드 대형 모델 Gemini 1.5를 출시했습니다. 더 긴 컨텍스트, 더 강력한 추론 기능, 교차 모달 콘텐츠 처리 능력이 향상되었습니다. 이번 금요일에 Google DeepMind는 Flash 버전과 기타 최신 업그레이드를 다루는 Gemini 1.5의 기술 보고서를 공식적으로 발표했습니다. 이 문서의 길이는 153페이지입니다. 기술 보고서 링크: https://storage.googleapis.com/deepmind-media/gemini/gemini_v1_5_report.pdf 이 보고서에서 Google은 Gemini1을 소개합니다.
검토! 자율주행 촉진을 위한 기본 모델의 중요한 역할을 종합적으로 요약
Jun 11, 2024 pm 05:29 PM
위 작성 및 저자 개인 이해: 최근 딥러닝 기술의 발전과 획기적인 발전으로 대규모 기반 모델(Foundation Models)이 자연어 처리 및 컴퓨터 비전 분야에서 상당한 성과를 거두었습니다. 자율주행에 기본 모델을 적용하는 것도 시나리오에 대한 이해와 추론을 향상시킬 수 있는 큰 발전 전망을 가지고 있습니다. 풍부한 언어와 시각적 데이터에 대한 사전 학습을 통해 기본 모델은 자율주행 시나리오의 다양한 요소를 이해하고 해석하고 추론을 수행할 수 있으며, 의사 결정 및 계획을 추진하기 위한 언어 및 동작 명령을 제공합니다. 기본 모델은 일상적인 운전 및 데이터 수집 중에 발생할 가능성이 없는 롱테일 분포에서 드물게 실행 가능한 기능을 제공하기 위해 운전 시나리오에 대한 이해를 통해 데이터를 보강할 수 있습니다.
서로 다른 데이터 세트에는 서로 다른 스케일링 법칙이 있습니까? 그리고 압축 알고리즘으로 예측할 수 있습니다.
Jun 07, 2024 pm 05:51 PM
일반적으로 신경망을 훈련하는 데 필요한 계산이 많을수록 성능이 향상됩니다. 계산을 확장할 때는 모델 매개변수 수를 늘리거나 데이터 세트 크기를 늘리는 것 중 하나를 결정해야 합니다. 이 두 가지 요소는 고정된 계산 예산 내에서 평가되어야 합니다. 모델 매개변수 수를 늘리는 것의 장점은 모델의 복잡성과 표현 능력을 향상시켜 훈련 데이터를 더 잘 맞출 수 있다는 것입니다. 그러나 매개변수가 너무 많으면 과적합이 발생하여 보이지 않는 데이터에 대한 모델 성능이 저하될 수 있습니다. 반면에 데이터 세트 크기를 확장하면 모델의 일반화 능력이 향상되고 과적합 문제가 줄어들 수 있습니다. 매개변수와 데이터를 적절하게 할당하는 한 고정된 컴퓨팅 예산 내에서 성능을 극대화할 수 있습니다. 이전의 많은 연구에서는 신경 언어 모델의 확장을 탐구했습니다.
