Zum Hauptinhalt springen

CooLWJ durchsuchen

选择搜索范围，输入关键词后按回车。

Suchbegriffe bleiben beim Wechsel des Suchbereichs erhaltenEsc zum Schließen

Sprache

Technik und Alltag

Entwicklung, KI-Werkzeuge, regionale Stimmen und Lektüre.

Beitrag schreiben

KI und Werkzeuge

1–5 / 5 Artikel

KI und Werkzeuge

Führende große KI-Modelle im Test: Berechnung von Aktienerträgen

Ich habe gängige KI-Modelle aus China und dem Ausland genutzt, um meinen Aktiengewinn berechnen zu lassen. Zu den chinesischen Modellen gehörten DeepSeek, Alibaba Tongyi Qianwen, iFlytek Spark, ByteDance Doubao, Moonshot Kimi, Tencent Yuanbao, Baidu ERNIE Bot, Zhipu Qingyan, Baichuan Intelligence, 360 Zhinao, Tiangong AI und SenseTime SenseChat; zu den ausländischen GPT-4o, Claude-3-Opus, Gemini-2.0-Pro und Grok. Bei identischer Eingabe rechnete nur DeepSeek richtig.

837 Aufrufe

KI und Werkzeuge

Modelldestillation und Modell-Pruning

Destillation und Pruning sind zwei wichtige Verfahren zur Komprimierung neuronaler Netze. Sie verringern die Parameterzahl und den Rechenaufwand und verbessern dadurch Ausführungseffizienz und Leistung. Ihre Vorgehensweisen und Ziele unterscheiden sich etwas: Bei der Destillation wird ein Schülermodell anhand des Vorhersageverhaltens eines Lehrermodells trainiert; beim Pruning werden überflüssige Parameter und Verbindungen entfernt.

759 Aufrufe

KI und Werkzeuge

Was ist eine Vektordatenbank?

Eine Vektordatenbank ist eine Sammlung von Daten, die in mathematischer Form gespeichert werden. Vektordatenbanken erleichtern es Modellen des maschinellen Lernens, sich frühere Eingaben zu merken. Dadurch lässt sich maschinelles Lernen für Anwendungsfälle wie Suche, Empfehlungen und Texterzeugung einsetzen. Daten lassen sich anhand von Ähnlichkeitsmaßen statt durch exakte Übereinstimmungen identifizieren, sodass Computermodelle den Kontext der Daten verstehen können.

593 Aufrufe

KI und Werkzeuge

Seit ich die KI-Suche der Kimi-Entdeckerversion genutzt habe, taugt Perplexity nur noch als Kulisse

KI kann Fragen beantworten, aber kann sie wirklich „denken“? Wer häufig KI-Suchprodukte verwendet, stellt fest, dass diese bei komplexen Fragen oft „versagen“ — sie können Shakespeares Schreibstil nachahmen und Mathematikaufgaben lösen, stehen aber bei Problemen des Alltags womöglich ratlos da. Das gleicht einem belesenen Bücherwurm, der sich nicht auf neue Situationen einstellen kann: reich an Wissen, aber ohne geistige Flexibilität. Offensichtlich reicht es bei Weitem nicht aus, die KI-Suche lediglich zu einer „sprechenden Suchmaschine“ zu machen. Wie lässt sich also ein großes Modell mit höherer Intelligenz, stärkerem logischem Schlussvermögen und der Fähigkeit zu gründlichem Nachdenken dazu bringen, die tatsächlichen Probleme gewöhnlicher Nutzer zu lösen, statt nur Aufgaben für Wissenschaftsolympiaden zu bearbeiten?

252 Aufrufe

Design auswählen

Das Design gilt für die gesamte Website.