详细内容或原文请订阅后点击阅览
llms继续发展。您的技能也应该如此。
本周，我们重点介绍了围绕大型语言模型的新兴主题和技术的三篇文章。LLMS继续发展。您的技能也应该如此。首先出现在数据科学上。
来源:走向数据科学永远不要错过我们每周的新闻新闻，这是我们每周的新闻通讯，其中包括一流的编辑选择，深度潜水，社区新闻等。变量
微调？抹布？经过思考？我们怀疑，对于许多读者来说，这些LLM优化的方法（尽管仍然可能仍然存在），这是一个陈旧的陈旧。
llm-optimization如果您想赶上大型语言模型庞大的世界中的尖端主题，请继续阅读。本周的变量重点介绍了最近的三篇文章，这些文章将帮助您创建强大的LLM工作流并克服新兴的挑战。
如何创建与人类标签保持一致的LLM法官
评估LLM输出的质量在许多从业人员方面仍然是刺。 Elena Samuylova提出了一个清醒的动手指南，用于建立强大的LLM-AS-A-A-A-Gudge管道，从而产生可靠且一致的结果。
Elena Samuylova您的1M+上下文窗口llm不如您想象的
您担心模型可以处理多少个令牌之前，请考虑其有效的工作记忆。 Tobias Schnabel解释了原因。
探索提示学习：使用英语反馈来优化LLM Systems
根据她的团队最近的工作，Aparna Dhinakaran概述了一种有希望的新方法，该方法“使用自然语言反馈来迭代地提示”。
本周最阅读的故事
赶上我们社区最近几天一直在嗡嗡作响的文章：
主题模型标签llms，petrkoráb
准确性已死：Pol Marin
Mariya Mansurova
其他推荐的读数
从异常检测到自我发展的AI，我们的作者继续涵盖数据科学和机器学习中引人入胜的主题。这里还有一些必读的必读内容：
- 我分析了25,000个酒店名称，并找到了四个令人惊讶的真相，Anna Gordun Peiro
- 自我发展的AI的年龄在这里，Moulik Gupta