新闻中心 
-
01-22模型泛化误差的定义是什么在机器学习中，泛化误差是指模型在未见过的数据上的误差。这个概念非常重要，因为模型的目标是在未来的数据上表现良好，而不仅仅是在训练数据上表现良好。因此，泛化误差是...
-
01-22处理机器学习任务中噪声标签的影响和方法机器学习是一种数据驱动的方法，旨在通过学习样本数据来构建模型，并对未知数据进行预测。然而，现实世界中的样本数据可能存在错误的标签，这被称为“噪声标签”。噪声标签...
-
01-14GPT-4的智能水平下降的新诠释GPT-4，自其发布以来被视为全球最强大的语言模型之一，却也不幸经历了一系列的信任危机。如果我们将今年早些时候的"间歇式降智"事件与Open...
-
01-05对大规模机器学习中幻觉缓解技术的综合研究大型语言模型（LLMs）是具有大量参数和数据的深度神经网络，能够在自然语言处理（NLP）领域实现多种任务，如文本理解和生成。近年来，随着计算能力和数据规模的提升...
-
12-14北大&望石智慧提出全新模型：弥合化学反应预训练与条件分子生成之间的鸿沟！化学反应是药物设计和有机化学研究的基础。研究界越来越需要一种能够有效捕获化学反应基本规则的大规模深度学习框架。近日，来自北京大学和望石智慧的研究团队提出了一种新...
-
11-27LLMLingua: 整合LlamaIndex，压缩提示并提供高效的大语言模型推理服务大型语言模型（LLM）的出现刺激了多个领域的创新。然而，在思维链（CoT）提示和情境学习（ICL）等策略的驱动下，提示的复杂性不断增加，这给计算带来了挑战。这些...
