解读ChatGPT中的RLHF
RLHF的主要任务是生成奖励模型,通过人类偏好为输入文本分配标量奖励,并使用增强学习对大型语言模型进行微调。同时,RLHF可能会产生偏差,需要使用相应的缓解策略。通过强化学习和监督式学习中微调的对比,可以了解到二者结合使用的可能性...
解读Toolformer
微软的TaskMatrix.AI是Toolformer 和 chatGPT 的结合,将基础模型与数百万个 API 连接起来以完成任务。那么,什么是 Toolformer 呢?......
解读TaskMatrix.AI
TaskMatrix.AI或将成为一个平台,允许人类利用大模型和 API 执行大量多样化的任务。它能处理每一个普通的任务 ,让我们更有生产力和创造力...... 或许,“AI的数量每18个月翻一番”会成为一个新的定律。
老码农眼中的大模型(LLM)
从老码农的视角观察了大模型的工作原理,探讨了相似度计算中的点积相似度和余弦相似度,以及如何为大模型引入外部知识。此外,还简述了增强大模型的方法 ......
《深入浅出Embedding》随笔
模型如大厦,嵌入似砖瓦。如果说ChatGPT的核心运行机制是Transformer,核心数据机制或许就是Embedding了,Embedding无所不在,那么,什么是Embedding呢?... ..
从数据管理到数据资产管理
数据已经与土地、劳动力、资本、技术并称为五种生产要素。从信息时代到数字时代,数据由记录业务逐渐转变为智能决策,成为了组织持续发展的核心引擎。从数据采集到数据管理,再数据资产的形成,数据资产管理将朝着统一化、专业化、敏捷化的方向发展.....
关于原子服务的思考
原子服务是一个严重依赖上下文语境的抽象概念,在涉及原子服务的设计、架构和工程实现的时候,需要先明确原子服务的概念空间,进而确定应用的领域,或许才能体现出原子服务的具体价值.....
温故知新之GPU计算
据说,ChatGPT用了5000块GPU,而对于普通工程师而言,看看过去,或许可以帮助望见未来......
异想天开!没有CPU的操作系统
如果CPU不再是现有操作系统的中心组件,会从根本上改变软件在CPU上的编写方式吗?......
一种编译器视角下的python性能优化
“Life is short,You need python”!但与直接使用Python相比,如何可以在不影响高级简单性的情况下匹配C/C++性能呢?
机器学习与微分方程的浅析
概念上的澄清,机器学习与微分方程有着怎样的区别呢?
操作系统中的系统抽象
计算机的惊人进步是通过人们创造和使用系统抽象而实现的,操作系统的系统抽象只是用来组织大型系统的一些系统抽象。遗憾的是,现实生活中的工程师们很少讨论大型程序以及编译器的抽象,也很少讨论系统抽象.....
数据架构中的数据问题
任何软件系统都需要以数据为中心来考虑基本架构。随着技术的发展,尤其是NewSQL,NoSQL 以及多开发语言环境下的存储、可伸缩性和可用性(最终一致性)、事件溯源和分析的不断挑战,AI与机器学习的日渐普及 ......
机器学习系统架构的10个要素
从机器学习生命周期的角度来看,一个通用的系统架构涵盖了关键的机器学习阶段,从开发机器学习模型,到部署训练系统和服务系统到生产环境......
一文弄清混合云架构模式
这些混合云架构模式的决策是复杂的,通常会涉及到几个不同情况的关注程度,每种情况都需要全面的权衡分析,甚至可以使用多种模式来实现企业的解决方案......
软件架构的10个质量属性
本文描述了软件的10个质量属性, 但不意味着每个质量属性都会在架构设计中呈现,可以挑选对产品最重要的质量属性,然后进行实现....
端边云协同:从云到边缘
?从云到边缘,应用程序与边缘基础设施的托管、互连、执行、存储和管理,这种解耦与功能强大的软件定义范式相一致,在需求和功能上紧密交织。这些边缘是基础设施的组成部分,它将使更丰富的智能能够影响物理系统,并有助于它们的有效控制。
不了解持续架构会落伍么?
信息技术是一个日新月异的领域,从自身的发展到学科的教程,再到应用场景的无处不在,导致每天甚至每时每刻都可能会有新的技术或者新的方法涌现出来。那么,对于一个工程师而言,不了解并学习持续架构会落伍么?......
QCon: 工程师成长的金字塔思维
软件正在重新定义世界,那对我们而言,工程师的成长是为了更好地重新定义软件......
《 持续架构实践 》译者序
持续性架构在Gartner 2023中处于10大技术趋势之一,希望《持续架构实践》一书可以给大家带来帮助......