2023 AI Network Innovation Conference som ble holdt i Beijing Intelligent Network-modellen på BBS, ZTE Cable Products Model Senior Architect Ji'an-Guo Lu gjorde Wisdom Network New Era: Big Model Drive the Future of the Theme of the ZTE gjennom Fine Tuning Directional Model Evne til å forbedre kvaliteten på Corpus og bruke Digital Digital Automation, for å bruke kvaliteten på Corpus Intelligent og bruke Digital Digital Automation, til å bruke kvaliteten på Corpus-nettverket.
Lu Jianguo sa at mange viktige teknologier, som AI-aktivering, digital tvilling og intensjon, vil støtte intelligensnivået til selv-intelligensnettverket fra L4 til L5, og få selv-intelligensnettverket til å fortsette å iterere og utvikle seg til å fullføre selv-intelligens. Blant disse viktige teknologiene er AI den viktigste motoren, og store modeller er nøkkelen i AI -teknologi.
I hvordan du bruker stor modell på selv-intelligensnettverk, introduserte Lu Jianguo at stor modell har supergenerasjonsevne og raskt kan generere et stort antall ordninger. For de intellektuelle nettverksoperasjonene et slikt behov for å implementere et stort antall driftstrinn, tilsvarer i høy dimensjonsrom for å finne den optimale løsningen, løsningssett for alle mulige prosesser, stor modell for generelle løsninger som NP (ikke polynom) problem, et stort antall prøver, evaluering, optimalisering, iterasjon kan spille effektivt forutsetning, raskt nærme seg den optimale løsningen. Selv om store modeller genererer mange ordninger, er det imidlertid vanskelig å sikre at disse ordningene er nyttige. Selv om store modeller har en viss tenkeevne, trenger de fortsatt menneskelig inngripen når de arbeider med kompleks logikk. For å løse dette problemet foreslår ZTE å integrere ekspertopplevelse i prosessen med inkrementell forhåndsopplæring og finjustering av modellen for å danne en lukket sløyfe. På denne måten kan en jevn overgang fra manuell tilbakemeldingsforsterkningslæring til å redusere læringsforsterkningslæring realiseres, noe som effektivt kan bruke generasjonskapasiteten til store modeller på den ene siden, og på den annen side sikre at det genererte diagnostiske skjemaet er nøyaktig og pålitelig. I denne ordningen er det en nøkkelkobling for å bygge drifts- og vedlikeholdskunnskapskartet kombinert med kunnskapsteknikk. Generering av dataene med svinghjulet er basert på kunnskapskartet for drift og vedlikehold, for å unngå modell illusjonen og sikre påliteligheten og nøyaktigheten til generasjonsordningen. Denne kunnskapsgrafbaserte tilnærmingen kan bedre integrere ekspertopplevelse og modellgenereringsmuligheter for å gi mer pålitelige løsninger.
For applikasjonslogikkutformingen av den store modellen introduserte Lu Jianguo videre at ZTE vil ta i bruk den modelldrevne lukkede sløyfemetoden basert på rask prosjektering. Essensen av design er å ta det strukturerte uttrykket av menneskelig språk (hurtig mal) som input, generere den strukturerte utgangen (arrangementsskjemaet) gjennom den store modellen og til slutt kombinere den interaktive utførelsen av applikasjonsrammen. For å realisere den ovennevnte logikken, vil ZTE gjøre tekniske preparater fra mange aspekter, for eksempel multimodal evolusjonsutvikling, korpusforberedelse, ressursforholdskunnskap Graf kunnskapsinjeksjon, atomisk API Corpus Reserve / Atomic API Capability Reserve, Building Artificial Simulation Feilmiljø, digitalt tvillinga automatisk feilsimuleringsmiljø og verktøyforberedelse.
Lu Jianguo sa til slutt at hovedverdien av den store modellen ligger i sin fremvekstevne, det vil si at den kan generere innovasjon ved å kombinere eksisterende kunnskap. Realiseringen av denne fremvoksende kapasiteten avhenger imidlertid av dataproduksjon, aksept og nedbør av høy kvalitet. En dydig syklus av data er den avgjørende faktoren.
Post Time: Nov-20-2023