Die 2023 AI Network Innovation Conference in Peking intelligentem Netzwerkmodell auf dem BBS-Modell des ZTE Cable Products machte der Senior Architekt Ji'an-Guo Lu das Wisdom Network New Era: Big Model treibt die Zukunft des Themas des ZTE durch Feinabstimmung Richtungsmodell Fähigkeit zur Verbesserung der Qualität des Korpus und der Verwendung digitaler Automatisierungsdatenzyklus, um das Digital-Automierungs-Datenzyklus zu verwenden.
Lu Jianguo sagte, dass viele Schlüsseltechnologien wie KI-Aktivierung, digitaler Zwilling und Intention Drive das Intelligenzniveau des Selbstintertelligence-Netzwerks von L4 bis L5 unterstützen und das Selbstintertelligence-Netzwerk weiterhin iterieren und weiterentwickeln, um die Selbstintellentation zu vervollständigen. Unter diesen Schlüsseltechnologien ist KI der wichtigste Motor, und große Modelle sind der Schlüssel für die AI -Technologie.
LU Jianguo hat ein großes Modell auf das Selbstintertelligence-Netzwerk angewendet, und führte vor, dass großes Modell über die Fähigkeit zur Überzeugung von Supergenerationen verfügt und schnell eine große Anzahl von Schemata erzeugen kann. Für die intellektuellen Netzwerkoperationen müssen eine große Anzahl von Betriebsschritten implementiert werden, die dem in hohen dimensionalen Raum entspricht, um die optimale Lösung zu finden, Lösung für alle möglichen Prozesse, großes Modell für allgemeine Lösungen wie NP (nicht Polynom), Problem, eine große Anzahl von Proben, Bewertung, Optimierung, Iteration können effizientes Pruning spielen, schnell an die optimale Lösung. Obwohl große Modelle viele Schemata erzeugen, ist es schwierig sicherzustellen, dass diese Schemata nützlich sind. Obwohl große Modelle bestimmte Denkfähigkeiten haben, benötigen sie immer noch menschliche Interventionen, wenn sie mit komplexer Logik zu tun haben. Um dieses Problem zu lösen, schlägt ZTE vor, Expertenerfahrungen in den Prozess der inkrementellen Vorausbildung und Feinabstimmung des Modells zur Bildung einer Iteration mit geschlossenen Schleife zu integrieren. Auf diese Weise kann ein reibungsloser Übergang von manuellem Feedback -Verstärkungslernen zum Lernen von Feedback -Verstärkungsverstärkern von Werkzeugen realisiert werden, wodurch die Erzeugungskapazität großer Modelle einerseits effektiv nutzen kann und andererseits sicherstellen kann, dass das generierte diagnostische Schema genau und zuverlässig ist. In diesem Schema handelt es sich um einen wichtigen Link zum Aufbau der Betriebs- und Wartungskenntniskarte in Kombination mit Knowledge Engineering. Die Erzeugung des Datenschwungradschemas basiert auf der Vorbetriebs- und Wartungskenntniskarte, um die Modell -Illusion zu vermeiden und die Zuverlässigkeit und Genauigkeit des Generationsschemas sicherzustellen. Dieser Wissensgrafik-basierte Ansatz kann bessere Expertenerfahrungen und Modellgenerierungsfunktionen integrieren, um zuverlässigere Lösungen bereitzustellen.
Für das Anwendungslogikdesign des großen Modells führte Lu Jianguo weiter vor, dass ZTE die modellgetriebene Methode mit geschlossenem Kreislauf anhand von promptem Engineering übernimmt. Die Essenz des Designs besteht darin, den strukturierten Ausdruck der menschlichen Sprache (Eingabeaufforderung) als Eingabe zu nutzen, die strukturierte Ausgabe (Anordnungsschema) durch das große Modell zu erzeugen und schließlich die interaktive Ausführung des Anwendungsrahmens zu kombinieren. Um die obige Logik zu erkennen, wird ZTE technische Vorbereitungen aus vielen Aspekten vornehmen, z.
Lu Jianguo sagte schließlich, dass der Hauptwert des großen Modells in seiner Entstehungsfähigkeit liegt, dh es kann Innovationen erzeugen, indem er bestehendes Wissen kombiniert. Die Verwirklichung dieser aufkommenden Kapazität hängt jedoch von der qualitativ hochwertigen Datenproduktion, Akzeptanz und Niederschlägen ab. Ein tugendhafter Datenzyklus ist der bestimmende Faktor.
Postzeit: November 2023