fxjwind

摘要： 首先这里解决的问题是Seq2Seq 列出各种场景，语音识别，机器翻译，chatbot 当前现在NLP模型之所以这么重要，在于他的通用能力，很多场景都可以转换成Seq2Seq summary，情感分析啊，只要你能通过QA和机器交互的场景都可以是Seq2Seq 这里的例子，语法树解析，多元分类，甚至是对 阅读全文

摘要： 面对的问题是什么？ 复杂输入，多个变长的向量 这里自然会想到RNN，后面会有比较 具体的场景， 可以是一段话，每个word一个向量，可以用one hot，但大多时候是用embedding 可以是一段印频，每25ms一个向量，按10ms滑动，可以看出音频的数据量是非常大的 也可以是一张图片。。。 输出 阅读全文

摘要： 无论GPT展现出何种强大的能力，其本质的技术都是， 一个用于语言接龙的function，这个function非常大，有几千亿个参数，所以成为语言模型，或大模型 GPT是什么意思， 对于传统的机器学习都是监督学习，需要大量人类准备的资料，有限的资料就导致很难产生很好的模型 但对于语言模型，天然优势是他 阅读全文

摘要： 当用GPT失败的时候应该怎么办？ 更好的prompt finetune 模型不行，let it be When GPT-3 fails on a task, what should you do? Search for a better prompt that elicits more reliab 阅读全文

摘要： https://github.com/openai/openai-cookbook Embedding是什么意思就不说了 基于大模型的Embedding本身是包含比文本更多的内涵的，因为包含了大量的相关性 但Embedding怎么用，基本逻辑是文本相似性 所以Semantic search是最简单的 阅读全文

摘要： 和原例子不一样，我没有用API，直接用的chatgpt3.5 如何形成比较好的UT prompt，要分步骤，这里分成三步，我是把每一步copy到chatgpt，然后把结果贴回来 Complex tasks, such as writing unit tests, can benefit from m 阅读全文

摘要： https://openai.com/product https://github.com/openai/openai-cookbook openapi使用示例 https://docs.midjourney.com/docs/quick-start 根据英文图片生成 gpt不知道2022年后的事情 阅读全文

摘要： 此篇Survey是A Systematic Mapping Study in AIOps的后续研究 对于AIOPS中占比较高的Failure Management进行进一步的研究 Compared to traditional approaches, AIOps is: • fast, becaus 阅读全文

摘要： 时间序列分析之holtwinters和ARIMA https://blog.csdn.net/huangtiao2509/article/details/78251101 时序算法，常谈平稳性，弱平稳性，强平稳性 平稳的基本思想是:时间序列的行为并不随时间改变。平稳性刻画的是时间序列的统计性质关于时 阅读全文

摘要： 这篇综述是基于A Systematic Mapping Study in AIOps的基础上的补充和更新。 除了论文，还涵盖grey literature (e.g., blog posts, videos, and white papers) ，所以称Multivocal Our work wil 阅读全文