对于领域任务:大语言模型、NLP建模、Agents适用场景探讨

AIGC动态欢迎阅读

原标题：对于领域任务:大语言模型、NLP建模、Agents适用场景探讨
关键字：模型,数据,领域,方案,概要
文章来源：大数据文摘
内容字数：5393字

内容摘要：

大数据文摘受权转载自 FIN AI 探索
作者：袁峻峰
在国内大语言模型领域应用如火如荼,笔者这些日子有几点感受:
更小规模参数模型有可能在特定任务效果更好.
通常当然是模型参数越大效果越好,但具体场景,还是要多个模型测测.所以对领域NLP问题,准备好验证测试集尤为重要.‍‍‍‍‍‍‍‍‍‍‍‍
NLP建模仍然是重要的方案之一
即使大模型越来越强,在实时性、准确性更高的场景,构建特定问题的NLP模型,并用特定数据训练还是不可或缺的方案.就如量化投资中的舆情因子,用大模型当然能做,可要更实时、更准确还是要单独建模.
Agents是最终方案吗?
1月5日有消息称OpenAI即将推出GPT Store用于开发者定制基于ChatGPT不同用途的Agents. 想象下,各行各业都是Agents,以后Agents得到个用户授权就自己找其他Agents去解决问题了.基于长链路问题,大模型并没有有效的方案,笔者认为,短期内,Agents还是提效为主.‍‍‍‍
接下来是以上观点的相关论述.
一、即使大语言模型是人类知识的概要,也不能解决领域问题.
ChatGPT是在构建全部人类知识的概要.博尔赫斯的

原文链接：对于领域任务:大语言模型、NLP建模、Agents适用场景探讨