2023 m. AI tinklo inovacijų konferencija, vykusioje Pekino intelektualiojo tinklo modelyje, BBS, „ZTE Cable Products“ modelis vyresnysis architektas Ji'an-guo Lu padarė „Wisdom Network“ naują erą: didelis modelis skatina ZTE temos ateitį, naudodamas didelį modelio modelį, kad būtų galima pagerinti „Corpus“ kokybę, ir naudokite skaitmeninio dvynių automatizavimo duomenų ciklą.
Lu Jiianguo teigė, kad daugelis pagrindinių technologijų, tokių kaip AI įgalinimas, skaitmeninis dvynys ir ketinimų diskas, palaikys savarankiško intelekto tinklo intelekto lygį nuo L4 iki L5 ir privers savaiminio intelekto tinklą toliau kartoti ir vystytis, kad būtų baigta savarankiškumas. Tarp šių pagrindinių technologijų AI yra svarbiausias variklis, o dideli modeliai yra svarbiausia AI technologija.
Kaip pritaikyti didelį modelį savarankiškumo tinkle, Lu Jianguo pristatė, kad didelis modelis turi super generavimo sugebėjimus ir gali greitai sugeneruoti daugybę schemų. Intelektualiniam tinklo operacijoms reikia įgyvendinti daugybę operacijų etapų, lygiaverčių didelėse matmenims erdvėje, kad būtų galima rasti optimalų sprendimą, sprendimą, nustatytą visiems įmanomiems procesams, didelis bendrųjų sprendimų, tokių kaip NP (ne polinominis) problema, daugybę pavyzdžių, vertinimo, optimizavimo, optimizavimo modelis gali žaisti efektyviai genėti, greitai kreiptis į optimalų sprendimą. Vis dėlto, nors dideli modeliai sukuria daugybę schemų, sunku užtikrinti, kad šios schemos būtų naudingos. Nors dideli modeliai turi tam tikrų mąstymo galimybių, jiems vis tiek reikia žmogaus įsikišimo, kai reikia spręsti sudėtingą logiką. Siekdama išspręsti šią problemą, ZTE siūlo integruoti ekspertų patirtį į papildomą išankstinio mokymo procesą ir tobulą modelio derinimą, kad būtų sudarytas uždaro ciklo iteracija. Tokiu būdu galima atlikti sklandų perėjimą nuo rankinio grįžtamojo ryšio stiprinimo mokymosi prie įrankių grįžtamojo ryšio stiprinimo mokymosi, kuris, viena vertus, gali efektyviai panaudoti didelių modelių generavimo pajėgumą, o kita vertus, įsitikinkite, kad sukurta diagnostinė schema yra tiksli ir patikima. Šioje schemoje tai yra pagrindinė nuoroda kuriant operacijos ir priežiūros žinių žemėlapį kartu su žinių inžinerija. Duomenų smagračio schemos generavimas grindžiamas operacijos ir priežiūros žinių žemėlapiu, kad būtų išvengta modelio iliuzijos ir užtikrintų generavimo schemos patikimumą ir tikslumą. Šis žiniomis pagrįstas požiūris gali geriau integruoti ekspertų patirtį ir modelių generavimo galimybes, kad būtų galima pateikti patikimesnius sprendimus.
Didelio modelio programų logikos projektavimui Lu Jiianguo taip pat pristatė, kad ZTE pritaikys modelio pagrįstą uždarojo ciklo metodą, pagrįstą greita inžinerija. Projektavimo esmė yra imtis struktūrizuotos žmogaus kalbos (greitojo šablono) išraiškos kaip įvestį, sugeneruoti struktūrizuotą išvesties (išdėstymo schemą) per didelį modelį ir galiausiai sujunkite interaktyvų programos sistemos vykdymą. Siekdama įgyvendinti aukščiau pateiktą logiką, „ZTE“ atliks techninius pasiruošimus iš daugelio aspektų, tokių kaip daugialypės pajėgumų evoliucija, korpuso paruošimas, išteklių santykio žinių žinių injekcija, „Atomic API Corpus“ rezervas / Atominio API galimybių rezervatas, dirbtinio modeliavimo gedimo aplinka, skaitmeninės dvigubos automatinio gedimo modeliavimo aplinka ir įrankių paruošimas.
Lu Jiianguo pagaliau pasakė, kad pagrindinė didžiojo modelio vertė yra jo atsiradimo galimybės, tai yra, jis gali generuoti naujoves derinant esamas žinias. Tačiau šio atsirandančio pajėgumo realizavimas priklauso nuo aukštos kokybės duomenų kūrimo, priėmimo ir kritulių. Dorybingas duomenų ciklas yra lemiamas veiksnys.
Pašto laikas: 2012 m. Lapkričio 20 d