2023年11月20日 每日一猜答案：。 答案：ABC。
每日一猜答案分析：

创业战略规划,国家创业战略,创业的规划战略怎么写,创业新规划

　　随着人工智能（AI）、机器学习等技术的不断发展和应用，智能制造正在成为现代工业的重要发展趋势之一。

　　5月20日，第四届上海创新创业青年50人论坛上，来自机器人、个人出行、纺织服装产业、文本智能处理等多个领域的企业代表，分享了他们对于智能制造未来的愿景，以及各行业面临的挑战。

　　谈及AI如何改变人类的生活，逍牛网络科技（上海）有限公司创始人、首席创新官胡依林表示，从前用户的地理位置、每秒电池的串并数、电压电流、用户行为等数据互相独立，需要花费大量功夫去标注和清洗，最终只能得到偏理性的结果。而AI能够在多模态模型的基础上，分析多种数据并输出感性加理性的结果，并提供不同的产品配置，例如在不同城市、天气、路况下应该如何驾驶。

　　致景科技集团联合创始人兼高级副总裁、上海致景信息科技有限公司总裁陈钟浩表示，AI已经开始对纺织服装产业链产生深度的影响和改变。在服装面料设计一环中，从前公司更依赖专家或者高级工程师，但如今在大模型的基础上，AI能够根据原料的数据、工艺、服装的流行趋势、消费数据等，快速生成可以应用于生产、且还原度很高的产品。

　　他介绍道，纺织服装产业链的市场规模超过5万亿元，产业链上的企业以中小微企业为主，产业分散、链条较长、数字化覆盖率较低。在这一产业链上，供需永远有“错误”，在需求不可控的情况下，企业生产过多则产品卖不出去，生产过少则挣不到钱。因此需要利用新的AI技术，将每一个需求与供给的最优方案实时计算出来。

　　达观数据董事长陈运文则提到了AI对于内容创作和审核方面的影响，“以前人们要花很多时间去看报告、识别财报等，完成很多复杂的文档审阅工作，我认为人和资料打交道的工作领域，无论是审核还是写作，未来AI一定能大幅度帮助我们减轻负担、提高效率。”

　　ChatGPT的诞生引发AI技术浪潮，创业公司应如何拥抱风口，又面临着怎样的挑战？

　　“算力、数据、算法是人工智能时代必不可少的三个因素，”陈运文提到，达观数据正在积累高质量语料用来训练系统，后续也会持续加大这方面的投入。

　　他认为，AI技术在2023年爆发，形成了AI的新代差。以GPT等大语言模型为代表已经进入AI 2.0时代，也就是说其先进性和智能程度比原有的专用智能系统要先进一代。他表示，“如果一个企业拥有了这方面的机制，可以在成本和效率方面形成降维打击，因此我们要了解新技术的动态，用上新技术，跟上科技发展的潮流，这样才能在接下来十年的科技竞赛当中获得先机。”

　　被问及公司面临的挑战时，胡依林同样提到了算力，他直言创业公司面临着无法与大公司争抢算力的难题，“现在各个行业都在抢算力，算力是未来很重要的一个基础设施，我们希望由政府引导，建设比较大的算力中心，让不同企业应用起来。”

　　此外，他认为技术更迭太快也是一大难题。他举例道，自己的公司曾有专门做视觉识别分析的小组，他们需要对采集的数据进行清洗，这一过程需要耗费大量的时间。而新技术的效率是他们的百倍以上，能够直接取代整个团队。“在AI大环境下，未来人们会把更多的理性思维、结构化、重复的工作交给AI，无论是做to B还是to C产品，AI一定会承担更多的能力。”他说道。

　　上海大界机器人科技有限公司联合创始人胡雨辰则表示，希望大家稍微降低对于工业行业的预期。在一致性和稳定性等方面，工业软件还是需要大量投入，这些投入并不是算法就可以解决的，而是工艺、生产管理方面或者其他更复杂的系统性问题。

　　他认为，“应该花更多的功夫去研究如何将最核心的基础性应用技术与AI结合。AI技术之外，也要对传感器、柔性控制等技术持续进行研发投入，这样从长期来看，才不会在基础应用领域被卡脖子。”

（文章来源：澎湃新闻）

GPT和ChatGPT的关系 chat gpt 和opengpt的区别

gpt和chatGPT的区别,gpt,gop,gpt和legacy,gpt-n

GPT-3.5 系列是一系列模型，从 2021 年第四季度开始就使用文本和代一起进行训练。以下模型属于 GPT-3.5 系列：

• code-davinci-002 是一个基础模型，非常适合纯代码完成任务
• text-davinci-002 是一个基于 code-davinci-002 的 InstructGPT 模型
• text-da【【微信】】 是对 text-davinci-002 的改进
• gpt-3.5-turbo-0301 是对 text-da【【微信】】 的改进，针对聊天进行了优化

以 3 种不同方式训练的 InstructGPT 模型变体：

训练方法模型	模型名字
SFT 监督微调人类示范 da【【微信】】	1
FeedME 对人工编写的演示和模型样本进行监督微调，这些模型样本被人工标注者在总体质量得分上评分为 7/7	,?,?,?
PPO 使用人类比较训练的奖励模型进行强化学习

SFT 和 PPO 模型的训练与 InstructGPT 论文中的模型类似。 FeedME（“feedback made easy”的缩写）模型是通过从我们所有的模型中提取最佳完成度来训练的。我们的模型通常在训练时使用最佳可用数据集，因此使用相同训练方法的不同引擎可能会在不同数据上进行训练。

ChatGPT和InstructGPT是一对姐妹模型，是在GPT-4之前发布的预热模型，有时候也被叫做GPT3.5。ChatGPT和InstructGPT在模型结构，训练方式上都完全一致，即都使用了指示学习（Instruction Learning）和人工反馈的强化学习（Reinforcement Learning from Human Feedback，RLHF）来指导模型的训练，它们不同的仅仅是采集数据的方式上有所差异。

OpenAI 官网

We’【【微信】】d ChatGPT which interacts in a con【【微信】】. The dialogue format makes it possible for ChatGPT to answer followup 【【微信】】, admit its mistakes, challenge incorrect premises, and reject inappropriate re【【微信】】. ChatGPT is a sibling model to?InstructGPT, which is trained to follow an instruction in a prompt and pro【【微信】】e.

其实GPT-3.5-turbo* 就是ChatGPT的模型的名字。?

这些是我们今天在 API 中提供的研究论文中最接近的模型。请注意，并非 API 中可用的所有模型都对应于一篇论文，即使对于下面列出的模型，也可能存在细微差异，无法准确复制论文。

论文	发表时间	在论文中的模型名字	在API中模型的名字	参数数量
[2005.14165] Language Models are Few-Shot Learners	22 Jul 2020	GPT-3 175B	davinci	175B
		GPT-3 6.7B	curie	6.7B
		GPT-3 1B	babbage	1B
[2107.03374] E【【微信】】ge Models Trained on Code	14 Jul 2021	Codex 12B	code-cushman-0013	12B
[2201.10005] Text and Code Embeddings by Contrastive Pre-Training	14 Jan 2022	GPT-3 unsuper【【微信】】75B	text-similarity-davinci-001	175B
		GPT-3 unsupervised cpt-text 6B	text-similarity-curie-001	6B
		GPT-3 unsuper【【微信】】.2B	No close matching model on API	1.2B
[2009.01325] Learning to summarize from human feedback	15 Feb 2022	GPT-3 6.7B pretrain	No close matching model on API	6.7B
		GPT-3 2.7B pretrain	No close matching model on API	2.7B
		GPT-3 1.3B pretrain	No close matching model on API	1.3B
[2203.02155] Training language models to follow instructions with human feedback	4 Mar 2022	InstructGPT-3 175B SFT	davinci-instruct-beta	175B
		InstructGPT-3 175B	No close matching model on API	175B
		InstructGPT-3 6B	No close matching model on API	6B
		InstructGPT-3 1.3B	No close matching model on API	1.3B

通常，强化学习看起来像这样。 环境会为每个动作产生奖励