До этого голос переводился в текст и только затем отправлялся в нейросеть для формирования ответа, затем текстовый ответ нейросети преобразовывался в звуковой файл и воспроизводился на устройстве пользователя. Новая технология позволяет обойтись без промежуточного шага и отправлять звуковой поток с устройства напрямую в нейросеть. Новая нейросеть обучалась напрямую на аудиофайлах, что позволило ей самостоятельно изучить интонации, особенности речи, в связке с передаваемой смысловой нагрузкой. С точки зрения пользователя это и скорость общения, и "нативность" ассистента, который подстроится под ваше настроение, скорректируем под него ответ и, например, без дополнительных инструкций может отвечать шепотом, если посреди ночи вы начнёте шептать в телефон
Поправьте пожалуйста, t-SNE является алгоритмом визуализации, его результаты нельзя использовать для обучения других нейросетей в реальном мире, т.к. это стохастический алгоритм, то есть его вывод сильно завязан от данных и малейшие изменения в этих данных будут влиять на итоговый результат. Одинаковые изначальные точки будут иметь разные координаты в результирующих пространствах.
Так вы + знаком написали. Напишите текстом, вдруг результат другой будет. Возможно тут проблема с токенизацией и "2+2 умножить на 2", где 2+2 написаны слитно, нейросеть воспринимает иначе чем "2 плюс 2 умножить на 2". Все таки в задаче важно корректно ставить условия и если ожидается что нужно "распарсить" ввод, то он должен быть консистентным. В первом случае и я тоже 2+2 ощутил как обособленную сущность, так что бота винить за неправильный ответ конкретно в этом случае не могу, т.к. сам ошибся в том же месте.
К тому же 70b это хоть и довольно большой размер для нейросети в open-source, и сейчас считается state of the art, насколько мне известно, но это не самый большой размер для проприетарных сетей, так что вполне вероятно что тесты которые проходят крупные сетки, llama3 не пройдет вообще или еле-еле пройдет. Год-полтора и будет намного лучше, это сейчас самая быстроразвивающаяся сфера, конкретно LLM и работа с ними, и даже open source сети семимильными шагами растут
Перечитайте ещё раз. Там не указали на ошибку, а сообщили о понимании слова "оконфузиться" касательно текущей ситуации и с примером. И в обоих случаях окончания расставлены верно, как в цитате, так и у автора комментария.
До этого голос переводился в текст и только затем отправлялся в нейросеть для формирования ответа, затем текстовый ответ нейросети преобразовывался в звуковой файл и воспроизводился на устройстве пользователя. Новая технология позволяет обойтись без промежуточного шага и отправлять звуковой поток с устройства напрямую в нейросеть. Новая нейросеть обучалась напрямую на аудиофайлах, что позволило ей самостоятельно изучить интонации, особенности речи, в связке с передаваемой смысловой нагрузкой. С точки зрения пользователя это и скорость общения, и "нативность" ассистента, который подстроится под ваше настроение, скорректируем под него ответ и, например, без дополнительных инструкций может отвечать шепотом, если посреди ночи вы начнёте шептать в телефон
SteamOS – операционная система на базе Debian Linux.
Поправьте пожалуйста, t-SNE является алгоритмом визуализации, его результаты нельзя использовать для обучения других нейросетей в реальном мире, т.к. это стохастический алгоритм, то есть его вывод сильно завязан от данных и малейшие изменения в этих данных будут влиять на итоговый результат. Одинаковые изначальные точки будут иметь разные координаты в результирующих пространствах.
Так вы + знаком написали. Напишите текстом, вдруг результат другой будет. Возможно тут проблема с токенизацией и "2+2 умножить на 2", где 2+2 написаны слитно, нейросеть воспринимает иначе чем "2 плюс 2 умножить на 2". Все таки в задаче важно корректно ставить условия и если ожидается что нужно "распарсить" ввод, то он должен быть консистентным. В первом случае и я тоже 2+2 ощутил как обособленную сущность, так что бота винить за неправильный ответ конкретно в этом случае не могу, т.к. сам ошибся в том же месте.
К тому же 70b это хоть и довольно большой размер для нейросети в open-source, и сейчас считается state of the art, насколько мне известно, но это не самый большой размер для проприетарных сетей, так что вполне вероятно что тесты которые проходят крупные сетки, llama3 не пройдет вообще или еле-еле пройдет. Год-полтора и будет намного лучше, это сейчас самая быстроразвивающаяся сфера, конкретно LLM и работа с ними, и даже open source сети семимильными шагами растут
Перечитайте ещё раз. Там не указали на ошибку, а сообщили о понимании слова "оконфузиться" касательно текущей ситуации и с примером. И в обоих случаях окончания расставлены верно, как в цитате, так и у автора комментария.