mytarmailS #: Dove esattamente? Direi che all'inizio è il contrario.
Mi riferivo al video di Alexei, non ho ancora visto il tuo. Il tuo riguarda la selezione delle caratteristiche. Non mi piace molto, perché non ho molti segni).
È così che funziona, da "molti" diversi si ottengono "non molti" ma buoni.
E più "molti" si hanno all'inizio, più ricchi e migliori sono i "non molti" ma buoni alla fine.
È stato fatto attraverso il Gmdh o quello che è.
Kozul sembra promettente (è molto difficile trovare algoritmi basati su di esso, bisogna avere un'immaginazione sfrenata). E i modelli linguistici: è molto difficile addestrarli. Questi di Google sono più brevi, c'è un piccolo modello per 2 miliardi di parametri, ma si può comunque provare ad addestrarlo. Metodologia one shot.
Maxim Dmitrievsky #: È stato fatto attraverso gmdh o qualunque cosa sia .
Kozul sembra promettente (è molto difficile trovare algoritmi basati su di esso, bisogna avere un'immaginazione sfrenata). E i modelli linguistici: è molto difficile addestrarli. Questi di Google sono più brevi, c'è un piccolo modello per 2 miliardi di parametri, ma si può comunque provare ad addestrarlo. Metodologia one shot.
Consenti l'uso dei cookie per accedere al sito MQL5.com.
Abilita le impostazioni necessarie nel browser, altrimenti non sarà possibile accedere.
Hai effettuato l'accesso. L'autenticazione a due fattori è stata disattivata. Configurala di nuovo e scansiona un nuovo codice QR, oppure continua con l'autenticazione a due fattori disattivata.
Una buona sintesi dell'intero thread
Ho ascoltato con piacere
Dove esattamente? Direi che all'inizio è il contrario.
perché non ho molti tratti).
È così che funziona: da "molti" tratti diversi si ottengono "non molti" ma buoni.
E più "molti" si hanno all'inizio, più ricchi e migliori sono i "non molti" ma buoni alla fine.
È così che funziona, da "molti" diversi si ottengono "non molti" ma buoni.
E più "molti" si hanno all'inizio, più ricchi e migliori sono i "non molti" ma buoni alla fine.
È stato fatto attraverso gmdh o qualunque cosa sia
.
Cosa c'entra il LLM?
cosa c'entra l'LLM?
Perché generalizzano bene, in teoria.
Più grande è il campione di allenamento, migliori sono le statistiche (in generale).
Perché generalizzano bene, in teoria.
generalizzano bene perché sono addestrati su miliardi di dati di parole, e noi abbiamo dei prezzi.
Cosa addestrerete a fare un neurone se è addestrato a parlare?
E non si può addestrare un neurone sui prezzi perché servono molte visualizzazioni.
Quindi o non so qualcosa o, ancora una volta, cosa c'entra l'LLM?