這次要講的內容是 如何去評估 RAG 的效能。我們使用 RAG 的最大原因,就是希望能避免 LLM 產生幻覺,但問題是:即使結合了檢索,我們仍然不能百分之百保證...
當 AI「發脾氣、拍馬屁、又看見幻覺」:三重風險下的人類清醒指南
摘要
生成式 AI 能協助我們完成無數任務──寫作、分析、創意、模擬──但也可能「發脾氣」、...
▋前言
語音轉文字是整個系統的基礎。如果逐字稿不準確,後續的語者分離與情緒分析都會失去價值。
▋內容
我們採用了 Whisper 作為 STT 模型,原因有...
Day3 探討了 AI 食物圖片辨識的「資料來源、收集與應用」,從公開資料集、自建資料,到合成影像的補充,都凸顯了資料工程在專案中的關鍵地位。然而,對於開發者來...
前言:踏入 RAG 魔法迷宮 ✨
你是否曾經問 AI 一個問題,卻得到完全不相關或錯誤的答案?傳統 LLM 只能依賴自身訓練時的知識,遇到新資料,它也只能「憑直...
今天來說明另一個模型:LLaMALLaMA 是什麼?LLaMA(Large Language Model Meta AI)是Meta(Facebook的母公司)...