Ir para o conteúdo principal

Buscar no CooLWJ

选择搜索范围，输入关键词后按回车。

As palavras-chave são mantidas ao mudar o escopoEsc para fechar

Idioma

Tecnologia e cotidiano

Desenvolvimento, ferramentas de IA, falares locais e leituras.

Escrever um post

IA e ferramentas

1–5 / 5 artigos

IA e ferramentas

Teste dos principais grandes modelos de IA no cálculo de ganhos com ações

Usei modelos de IA chineses e estrangeiros comuns no mercado para me ajudar a calcular o lucro com ações. Entre os chineses estavam DeepSeek, Tongyi Qianwen da Alibaba, Spark da iFlytek, Doubao da ByteDance, Kimi da Moonshot AI, Yuanbao da Tencent, ERNIE Bot da Baidu, Zhipu Qingyan, Baichuan AI, 360 Zhinao, Tiangong AI e SenseChat da SenseTime. Entre os estrangeiros estavam GPT-4o, Claude-3-Opus, Gemini-2.0-Pro e Grok. Com a mesma entrada, somente o DeepSeek calculou corretamente.

837 leituras

IA e ferramentas

Destilação e poda de modelos

A destilação e a poda são duas técnicas importantes de compressão de redes neurais. Elas reduzem de forma eficaz a quantidade de parâmetros e a complexidade computacional, melhorando a eficiência de execução e o desempenho. Seus métodos e objetivos diferem um pouco: a destilação treina um modelo aluno a partir do comportamento preditivo de um modelo professor, enquanto a poda elimina parâmetros e conexões desnecessários.

759 leituras

IA e ferramentas

O que é um banco de dados vetorial?

Um banco de dados vetorial é uma coleção de dados armazenados em forma matemática. Os bancos de dados vetoriais facilitam que os modelos de aprendizado de máquina se lembrem de entradas anteriores, permitindo que o aprendizado de máquina seja usado em casos como pesquisa, recomendação e geração de texto. Os dados podem ser identificados por métricas de similaridade, em vez de correspondências exatas, permitindo que os modelos computacionais compreendam o contexto dos dados.

593 leituras

IA e ferramentas

Depois de usar a busca com IA do Kimi Versão Exploratória, o Perplexity virou mero figurante

A IA consegue responder a perguntas, mas será que consegue realmente “pensar”? Quem usa com frequência produtos de busca com IA percebe que eles costumam “falhar” diante de questões complexas — conseguem imitar o estilo de Shakespeare e resolver problemas de matemática, mas podem ficar sem saída ao tentar resolver dificuldades do cotidiano. É como um estudioso que sabe muito, mas não sabe se adaptar: tem conhecimento abundante, porém carece de flexibilidade de pensamento. Claramente, transformar a busca com IA apenas em um “mecanismo de busca que fala” está longe de ser suficiente. Então, como fazer um grande modelo com QI mais alto, maior capacidade de raciocínio e pensamento profundo resolver os problemas reais de usuários comuns, em vez de apenas resolver questões de olimpíadas acadêmicas?

252 leituras

Escolha seu tema

O tema é aplicado a todo o site.