Aller au contenu principal

Rechercher sur CooLWJ

选择搜索范围，输入关键词后按回车。

Les mots-clés sont conservés quand vous changez de périmètreÉchap pour fermer

Langue

Technologie et quotidien

Développement, outils d’IA, parlers locaux et lectures.

Écrire un billet

IA et outils

1–5 / 5 articles

IA et outils

Test des principaux grands modèles d’IA sur le calcul du rendement d’actions

J’ai demandé aux modèles d’IA chinois et étrangers courants sur le marché de calculer le rendement de mes actions. Les modèles chinois comprenaient DeepSeek, Qwen d’Alibaba, iFlytek Spark, Doubao de ByteDance, Kimi de Moonshot AI, Tencent Yuanbao, Baidu ERNIE Bot, Zhipu Qingyan, Baichuan Intelligence, 360 Zhinao, Tiangong AI et SenseChat de SenseTime ; les modèles étrangers comprenaient GPT-4o, Claude-3-Opus, Gemini-2.0-Pro et Grok. Avec les mêmes données d’entrée, seul DeepSeek a effectué le calcul correctement.

837 lectures

IA et outils

Distillation et élagage de modèles

La distillation et l’élagage sont deux techniques importantes de compression des réseaux de neurones. Elles réduisent efficacement le nombre de paramètres et la complexité des calculs, améliorant ainsi l’efficacité d’exécution et les performances. Leurs méthodes et objectifs diffèrent légèrement : la distillation entraîne un modèle élève à partir du comportement prédictif d’un modèle enseignant, tandis que l’élagage supprime les paramètres et connexions inutiles.

759 lectures

IA et outils

Qu’est-ce qu’une base de données vectorielle ?

Une base de données vectorielle est un ensemble de données stockées sous une forme mathématique. Elle permet aux modèles d’apprentissage automatique de mémoriser plus facilement les entrées précédentes, ce qui rend cet apprentissage utilisable pour la recherche, les recommandations ou la génération de texte. Les données peuvent être identifiées à partir de mesures de similarité plutôt que par correspondance exacte, permettant ainsi aux modèles informatiques de comprendre leur contexte.

593 lectures

IA et outils

Après avoir utilisé la recherche IA de Kimi en édition Exploration, Perplexity ne fait plus que de la figuration

L’IA peut répondre aux questions, mais peut-elle vraiment « penser » ? Les utilisateurs réguliers des produits de recherche par IA remarquent que ceux-ci « flanchent » souvent face aux questions complexes : ils peuvent imiter le style de Shakespeare et résoudre des problèmes mathématiques, mais se retrouver démunis devant les difficultés du quotidien. Cela ressemble à un érudit livresque qui sait beaucoup de choses mais manque de souplesse d’esprit. De toute évidence, transformer simplement la recherche par IA en un « moteur de recherche qui parle » est loin de suffire. Alors, comment faire en sorte qu’un grand modèle doté d’un QI plus élevé, de meilleures capacités de raisonnement et d’une aptitude à réfléchir en profondeur résolve les véritables problèmes des utilisateurs ordinaires, au lieu de se limiter aux exercices d’olympiades scientifiques ?

252 lectures

Choisissez votre thème

Le thème s’applique à tout le site.