Meta科学家最新采访，揭秘Llama 3.1是如何炼成的
- Llama 3.1都使用了哪些数据？其中有多少合成数据？为什么不使用MoE架构？后训练与RLHF流程是如何进行的？模型评估是如何进行的？
- 受访者Thomas Scialom现任Meta的人工智能研究科学家，领导了Llama 2和Llama 3的后训练，并参加了CodeLlama、Toolformer、Bloom、GAIA等多个项目。
- 关于Llama 3.1研发思路
如何决定参数规模
重新审视Scaling Law
模型架构 关于合成数据
LLM的评估与改进
🔗 Llama 4训练已开启！Meta科学家最新采访，揭秘Llama 3.1是如何炼成的-CSDN博客
阿里大模型元老杨红霞去向官宣：入职香港高校！被曝创业项目也在推进
- 杨红霞是AI领域知名科学家。曾在IBM T.J.沃森研究中心担任研究人员，并在雅虎担任首席科学家。2016年加入阿里巴巴，就职于达摩院智能计算实验室；2023年3月入职字节跳动。
- 在达摩院期间领导了通义千问前身M6大模型的研发，是M6大模型从百亿、千亿参数量进化到万亿规模的主要功臣，并领导通义大模型核心技术“统一学习范式OFA-M6”的开发。
- 杨红霞的下一站被猜测是“端侧模型创业”，布局AI Agent。
🔗https://blog.csdn.net/techforward/article/details/140751269
AI数不清Strawberry里有几个r？Karpathy：我用表情包给你解释一下
- AI大模型低级错误背后的本质是什么？普遍认为，是 Token 化（Tokenization）的锅。
- Karpathy 认为，AI参差不齐的智能表现和人类是不一样的。
- 核心在于目前的大模型缺乏「认知自我知识（cognitive self-knowledge）」（ 模型自身对其知识和能力的自我认知 ）
- 应该致力于让模型只完成他们擅长的任务，不擅长的任务由人类及时接手。
🔗 为什么AI数不清Strawberry里有几个 r？Karpathy：我用表情包给你解释一下-CSDN博客
)
 带前端演示)
