


Model besar bahasa saintifik AI sangat popular. Anda boleh melakukan semua jenis komputer matematik dan biologi. Sangat mudah untuk menulis kod dan menulis ulasan.
Enjin carian AI berkembang semula? !
Berikan topik AI ini, dan ia akan memberi anda ulasan kertas dalam beberapa minit, dan ia juga akan memberikan petikan untuk kertas itu sendiri.
Atau anda boleh memasukkan kata nama saintifik, dan AI boleh menjana Wikipedia dengan cepat khusus untuk kata nama ini.
AI ini dipanggil Galactica ( singkatan GAL Ia adalah model bahasa saintifik sumber terbuka terkini yang mengubah AI kepada produktiviti saintifik.
Dan ia juga telah mencapai "penyatuan besar" disiplin ilmu Matematik, fizik, komputer...AI ini semua boleh digunakan.
Sebaik sahaja model itu dikeluarkan, ia dengan cepat membangkitkan perbincangan hangat di kalangan netizen Pada masa ini, tweet berkaitan telah dilihat hampir 150,000 kali, dan terkumpul suka, tweet semula dan petikan telah melebihi 5,000.
Bekas pegawai teknikal Facebook turut tampil menyokongnya.
Sesetengah netizen mengalaminya secara peribadi, dan ulasan literatur yang mereka tulis "kelihatan cukup bagus", malah berkata:
Langkah seterusnya ialah Bukan anda boleh menjana idea baru.
Malah, menulis ulasan literatur dan menghasilkan Wikipedia hanyalah sebahagian daripada fungsi GAL Selain daripada ini, ia juga boleh menjawab beberapa soalan profesional, menulis kod saintifik dan anotasi molekul dan protein... ...
Mari kita lihat kesan khusus~
Boleh digunakan sebagai alat untuk penghasilan saintifik
Apabila bercakap tentang produktiviti saintifik, ia pasti tidak dapat dipisahkan daripada pencarian kertas kerja. Tidak, GAL telah menyelesaikannya untuk anda.
Ia merangkumi lima disiplin saintifik: pembelajaran mesin, matematik, sains komputer, biologi dan fizik.
Pilih subjek, kemudian masukkan topik kertas yang anda cari dalam kotak kiri, dan GAL di sebelah kanan akan mengesyorkan kertas yang paling sesuai untuk dibaca.
Selain mengesyorkan kertas kerja, GAL juga mempunyai fungsi yang lebih praktikal: menjana nota kuliah.
Sebagai contoh, jika anda ingin membuat kursus pra tentang Teori Fungsian Ketumpatan (DFT), tetapi anda terlalu malas untuk menulis kuliah, anda boleh GAL sahaja dan selesaikan dalam beberapa minit (kepala anjing manual ).
GAL juga boleh digunakan untuk menganotasi molekul dan protein Berikut ialah manual operasi RDKit (yang boleh menjana deskriptor molekul untuk pembelajaran mesin) yang dihasilkan oleh GAL.
GAL juga menunjukkan beberapa butiran!
Sebagai contoh, jika anda tidak dapat memahami beberapa formula dan kod matematik yang kompleks, anda boleh menyerahkannya kepada GAL, ia boleh menterjemahkannya secara langsung ke dalam bahasa vernakular untuk anda.
Bukan itu sahaja, ia juga boleh merealisasikan penukaran antara formula dan kod matematik, atau penukaran antara pelbagai jenis kod.
Lebih penting lagi, ia juga mempunyai formula yang dipermudahkan dan fungsi semakan ralat.
Bagaimana untuk melakukannya?
GAL boleh mencapai fungsi yang begitu kompleks, jadi kita perlu menyebut set data latihannya.
Menurut berita rasmi, GAL dilatih tentang set data saintifik berkualiti tinggi baharu yang dipanggil NatureBook, yang membolehkan model itu menggunakan istilah saintifik, formula matematik dan kimia serta kod sumber.
Termasuk lebih daripada 48 juta kertas, buku teks dan nota kuliah, serta berjuta-juta sebatian dan protein, tapak web saintifik, ensiklopedia dan banyak lagi.
Selain itu, untuk mencari kertas kerja dan menormalkan petikan, set data GAL mengandungi lebih 360 juta petikan kontekstual dan lebih 50 juta rujukan unik yang dinormalkan merentas sumber yang berbeza.
Selepas mempunyai set data yang begitu besar, kita akan menghadapi dua masalah.
Soalan pertama ialah cara mengurus set data berkualiti tinggi ini Untuk mencapai matlamat ini, GAL menggunakan dua langkah:
Semua data diproses dalam format penanda biasa untuk melepasi Halangan antara data. daripada pelbagai sumber.
Pra-latihan termasuk set data untuk tugasan tertentu, yang memastikan anda boleh menjadi lebih profesional apabila menangani tugasan tertentu.
Soalan lain ialah: Bagaimana untuk mereka bentuk interaksi antara muka?
Pertama sekali, seperti yang dinyatakan di atas, GAL boleh menyokong pelbagai jenis tugas.
Oleh itu, pelbagai tugas dikelaskan semasa mereka bentuk interaksi antara muka Pengelasan yang berbeza akan menyokong jenis data yang berbeza.
Memandangkan GAL mempunyai set data saintifik yang terurus dan berkualiti tinggi, bagaimanakah ia dibandingkan dengan model lain?
Muat naik data terus!
Dari segi penaakulan, kelebihan GAL terserlah dalam matematik MMLU (pemahaman bahasa pelbagai tugas berskala besar), prestasinya lebih baik daripada Chinchilla dari segi matematik, prestasinya juga lebih baik daripada Palm 540B dan GPT-3 175B.
Walaupun GAL belum dilatih mengenai set data umum, prestasinya di BIG-bench masih lebih baik daripada BLOOM dan OPT-175B .
Jika anda rasa gatal selepas membacanya, sila hentikan dahulu!
Portal: https://galactica.org/
Pautan rujukan: [1]https://twitter.com/paperswithcode/status/1592546933679476736[2]https://github . com/paperswithcode/galai[3]https://galactica.org/static/paper.pdf
Atas ialah kandungan terperinci Model besar bahasa saintifik AI sangat popular. Anda boleh melakukan semua jenis komputer matematik dan biologi. Sangat mudah untuk menulis kod dan menulis ulasan.. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Di Python, bagaimana untuk membuat objek secara dinamik melalui rentetan dan panggil kaedahnya? Ini adalah keperluan pengaturcaraan yang biasa, terutamanya jika perlu dikonfigurasikan atau dijalankan ...

Bagaimana untuk menggunakan Go atau Rust untuk memanggil skrip Python untuk mencapai pelaksanaan selari yang benar? Baru -baru ini saya telah menggunakan python ...

Masalah dan penyelesaian yang dihadapi apabila menggunakan Perpustakaan Permintaan untuk merangkak data laman web. Apabila menggunakan Perpustakaan Permintaan untuk mendapatkan data laman web, anda kadang -kadang menemui ...

Mengenai Pythonasyncio ...

Langkah -langkah terperinci untuk memulihkan Pelayan Mel Debian Artikel ini akan membimbing anda tentang cara memulihkan pelayan mel Debian. Sebelum anda memulakan, adalah penting untuk mengingati kepentingan sandaran data. Langkah -langkah pemulihan: Data sandaran: Pastikan anda membuat sandaran semua data e -mel dan fail konfigurasi yang penting sebelum melakukan sebarang operasi pemulihan. Ini akan memastikan bahawa anda mempunyai versi sandaran apabila masalah berlaku semasa proses pemulihan. Semak fail log: Semak fail log pelayan mel (seperti /var/log/mail.log) untuk kesilapan atau pengecualian. Fail log sering memberikan petunjuk berharga mengenai penyebab masalah. Perkhidmatan Berhenti: Hentikan perkhidmatan mel untuk mengelakkan rasuah data selanjutnya. Gunakan arahan berikut: Su

Artikel ini menerangkan cara mengoptimumkan prestasi zookeeper pada sistem Debian. Kami akan memberi nasihat mengenai perkakasan, sistem operasi, konfigurasi dan pemantauan zookeeper. 1. Mengoptimumkan peningkatan media penyimpanan di peringkat sistem: Menggantikan pemacu keras mekanikal tradisional dengan pemacu keadaan pepejal SSD akan meningkatkan prestasi I/O dengan ketara dan mengurangkan latensi akses. Lumpuhkan partition swap: Dengan menyesuaikan parameter kernel, mengurangkan pergantungan pada partition swap dan elakkan kerugian prestasi yang disebabkan oleh memori yang kerap dan swap cakera. Meningkatkan Had Upper Descriptor Fail: Meningkatkan bilangan deskriptor fail yang dibenarkan dibuka pada masa yang sama oleh sistem untuk mengelakkan batasan sumber yang mempengaruhi kecekapan pemprosesan Zookeeper. 2. Zookeeper Configuration Optimization Zoo.cfg Konfigurasi Fail

Untuk mengukuhkan keselamatan pangkalan data Oracle pada sistem Debian, ia memerlukan banyak aspek untuk bermula. Langkah -langkah berikut menyediakan rangka kerja untuk konfigurasi yang selamat: 1. Pemasangan pangkalan data Oracle dan Penyediaan Sistem Konfigurasi Awal: Pastikan sistem Debian telah dikemas kini ke versi terkini, konfigurasi rangkaian adalah betul, dan semua pakej perisian yang diperlukan dipasang. Adalah disyorkan untuk merujuk kepada dokumen rasmi atau sumber pihak ketiga yang boleh dipercayai untuk pemasangan. Pengguna dan Kumpulan: Buat Kumpulan Pengguna Oracle yang berdedikasi (seperti Oinstall, DBA, BackupDBA) dan menetapkan kebenaran yang sesuai untuknya. 2. Sekatan keselamatan menetapkan sekatan sumber: edit /etc/security/limits.d/30-oracle.conf

Komuniti Q & A Teknikal di Era CHATGPT: Strategi Respons Segmentfault StackOverflow ...
