Weekly Review 20 December 2024
我上周在 Twitter 上发布的一些有趣的链接（我也在 Mastodon、Threads、Newsmast 和 Bluesky 上发布了这些链接）：如果人们一直说他们已经实现了通用人工智能，那么最终这可能是真的：https://futurism.com/openai-employee-claims-agi 看起来 OpenAI 还没有学会使用受版权保护的数据来训练其人工智能：https://www.extremetech.com/gaming/openai-appears-to-have-trained-sora-on-game-content 微软希望在澳大利亚和新西兰培训一百万人掌握人工
Classify Jira Tickets with GenAI On Amazon Bedrock
使用快速工程和大型语言模型 (LLMS) 替代传统的 NLP 方法，用于 Jira 票证文本分类。代码示例演练照片由 Annie Spratt 在 Unsplash 上拍摄还记得分类文本意味着踏上机器学习之旅的日子吗？如果您在 ML 领域待的时间足够长，您可能已经目睹了至少一个团队在构建“完美”文本分类系统的兔子洞中消失。故事通常是这样的：第 1 个月：“我们只需快速训练一个 NLP 模型！”第 2 个月：“我们需要更多的训练数据……”第 3 个月：“这已经足够好了”多年来，文本分类已经落入了经典 ML 的范畴。在我职业生涯的早期，我记得训练了一个支持向量机 (SVM) 来进行电子邮件分类。大
我上周在 Twitter 上发布的一些有趣的链接（我也在 Mastodon、Threads、Newsmast 和 Bluesky 上发布了这些链接）：目前，用人工智能取代管理人员比用一线快餐工人更有效：https://futurism.com/the-byte/wendys-ai-drive-thru-orders 使用大型语言模型人工智能分析数据时应避免的三个错误：https://www.datanami.com/2024/06/25/top-three-pitfalls-to-avoid-when-processing-data-with-llms/ 加州似乎在人工智能监管方面发挥着主导作
AI-RAG 和图表的新趋势。GRAG。GNN-RAG。属性图。统一 RAG+LangGraph。GenAI 思维模式。Transformer Agents 2.0。Falcon 2.0 11B LLMS/VLMS。ToonCrafter。MusePose。ColdFusion。SymbCoT。
