最新

嘿，这几周我一直在利用我在大学学到的“软件开发技能”来实现一些我的想法，因为我现在有很多时间，不再上大学了。 不久前，我有一个简单的想法，想制作一个聊天机器人（运行在GPT大语言模型上），希望能在即时通讯应用上轻松访问，尤其是因为我来自非洲，而只有0.68%的非洲人使用人工智能工具。我并不是想要打造下一个ChatGPT；我只是希望能让人工智能尽可能地为我的同胞所用。 首先，我构建了一个机器人，但它坏了。然后我在本地电脑上构建了一个，它也坏了。接着，我使用Node托管了一个Telegram机器人，它同样坏了。最后，我在Telegram上构建了一个机器人的实例，并与我的家人分享。他们喜欢这个机器人，但在我构建更多可访问的机器人或决定转型之前，我非常希望能得到更多反馈。 如果你想批评我的想法或测试我的机器人，请告诉我我可能在浪费时间的原因，或者试试看并给我建设性的反馈。访问inkubit.tech，向下滚动以尝试这个机器人，并填写我留下的调查问卷。

我们处理来自各种来源的数据和文档，然后： - 将所有文本转换（使用不同的光学字符识别技术） - 将其传递给大型语言模型（LLM）——根据客户的需求，可能会使用更便宜的模型，并且我们确实有模型的备选方案。 工程师如何评估这些系统？ 1. 新模型和新库不断涌现。 2. 即使是第三方的部署模型也会随着时间的推移而变化，可能会改善或退化我们的系统。 对于这些评估，有什么好的方法吗？