课程简介
介绍了1. 模型规模与(参数量 & 训练算力)2.训练数据3.人类介入干预4.采样随机性(Temperature/Top-P)4.采样随机性(Temperature/Top-P)5.上下文窗口的“记忆疲劳”(Attention Drift)6.计算力损失与模型压缩7. 知识截止日期 + 实时性8. 内在幻觉机制9. 提示工程与用户输入质量等9个影响AI大模型回答准确率的因素
视频演示
课程信息
- 所属合集:《认识AI大模型》:全面拆解AI大模型的底层逻辑
- 时长:14:11
- 发布时间:2026/3/10 23:30
更多内容请关注B站:自然非机械
发表回复