通用大模型VS垂直大模型，你更青睐哪一方？

社区云 2024-06-12 09:42:02

文章：0

活动简介
活动文章

文章：0

欢迎大家积极投稿，随机红包不定时掉落！

...全文

493 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

在人工智能的大模型领域，我们面临着两种主要的发展路径：通用大模型和垂直大模型。通用大模型以其广泛的应用场景和灵活性著称，而垂直大模型则在特定领域内展现出更高的效率和专业性。本文将探讨这两种模型的优势和局限性，并分析它们在未来AI发展中的潜力和可能的赛点。

垂直大模型专注于特定领域的应用，能够提供更加专业和深入的解决方案。例如，在医疗领域，IBM的Watson Health已经在癌症诊断和治疗建议方面取得了显著成果；在金融领域，JP Morgan的AI模型可以高效地进行风险评估和投资策略优化。国内也有不少公司，如平安科技和华为，正在积极开发和推广自己的垂直大模型，以满足特定行业的需求。讨论维度通用大模型垂直大模型适用性广泛适用于多个领域和场景专注于特定领域灵活性高度灵活，可根据不同任务调整定制化解决方案，针对特定需求专业性适用性广，但专业性相对较弱。

「LLM那些事」系列第 4 篇《上下文窗口的边界》，文章连接：https://blog.csdn.net/houwenjin/article/details/163999753。演示什么：在「预测」Sheet 的黄色格子里输入一句话（默认「来泡一杯」），四个「模型」——分别只统计最后 1 / 2 / 3 / 4 个字的 n-gram 查表——同时预测下一个字。同一个输入，看的上下文越长，候选越少、预测越确定： ┌────────────────┬──────────┬───────────────┬──────┐ │ 只看最后几个字 │ 用的前缀 │ 候选下一字数 │ 预测 │ ├────────────────┼──────────┼───────────────┼──────┤ │ 1 个 │ 杯 │ 3（茶/子/水） │ 模糊 │ ├────────────────┼──────────┼───────────────┼──────┤ │ 2 个 │ 一杯 │ 2（茶/水） │ 收窄 │ ├────────────────┼──────────┼───────────────┼──────┤ │ 3 个 │ 泡一杯 │ 1（茶） │ 确定 │ ├────────────────┼──────────┼───────────────┼──────┤ │ 4 个 │ 来泡一杯 │ 1（茶） │ 确定 │ └────────────────┴──────────┴───────────────┴──────┘

代码下载链接： https://pan.quark.cn/s/9b9011ebc861 一款主要用于城市运动预约的工具类程序——运动场馆预约小程序，其核心服务面向20至45岁的运动爱好者群体。该程序提供前后端完整的代码实现，内容涵盖场馆最新动态、运动相关知识普及以及多种场地与设施预约功能，具体包括羽毛球场地、足球场地、篮球场地、健身房、乒乓球场地、游泳场地和网球场地的预约服务。使用者可根据自身运营状况，对提供的场馆类型进行选择性采纳或增添新的场地种类。此程序设计兼具通用性与灵活性，既可满足大型综合性文体中心的需求，也能够适配于羽毛球馆、健身房、乒乓球馆等单一类型的运动场馆。基于腾讯平台提供的技术支持，运动场馆预约小程序能够有效提升城市运动资源的预约与管理效率。

Python DenseNet121 CIFAR-10 十类图像分类在 CIFAR-10 上训练 DenseNet121 分类模型，输出混淆矩阵、history.csv 与损失曲线，数据自动下载。功能： · CIFAR-10 十类 · DenseNet121 密集连接 · 混淆矩阵 · 损失曲线 · 自动下载数据 · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明，按 README 安装后即可复现。

社区活动专区

16,610

社区成员

742

社区内容

发帖

与我相关

我的任务

其他其他

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

联系我们：https://bbs.csdn.net/topics/607065163

试试用AI创作助手写篇文章吧

+ 用AI写文章