Selon le rapport "Kechuangban Daily" du 8 juillet, lors de la Conférence mondiale sur l'intelligence artificielle, Tiankang a publié le modèle d'écologie de produits à grande échelle "Tiankang Xiaobai", qui comprend trois produits, à savoir un grand modèle de langage, un moteur de recherche sémantique et un plateforme de développement. Il est entendu que le modèle de langage universel à grande échelle de Tianjie Xiaobai fournit des capacités de type ChatGPT grâce à une formation d'apprentissage en profondeur avec 186 milliards de paramètres, et a les capacités d'interaction de dialogue multilingue, de questions et réponses de connaissances et de raisonnement logique. Le moteur de recherche sémantique améliore la capacité de génération de grands modèles sur la base de faits précis, de sorte qu'il puisse générer des résultats basés sur des faits précis et éviter les informations trompeuses que les grands modèles peuvent produire.
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
Selon le rapport "Kechuangban Daily" du 8 juillet, lors de la Conférence mondiale sur l'intelligence artificielle, Tiankang a publié le modèle d'écologie de produits à grande échelle "Tiankang Xiaobai", qui comprend trois produits, à savoir un grand modèle de langage, un moteur de recherche sémantique et un plateforme de développement. Il est entendu que le modèle de langage universel à grande échelle de Tianjie Xiaobai fournit des capacités de type ChatGPT grâce à une formation d'apprentissage en profondeur avec 186 milliards de paramètres, et a les capacités d'interaction de dialogue multilingue, de questions et réponses de connaissances et de raisonnement logique. Le moteur de recherche sémantique améliore la capacité de génération de grands modèles sur la base de faits précis, de sorte qu'il puisse générer des résultats basés sur des faits précis et éviter les informations trompeuses que les grands modèles peuvent produire.