論文快讀, 技術 讓 LLM 更好用的方法:ReAct prompting 自從生成式 AI 興起後,怎麼下 prompt 也成為熱門話題,prompt engineering 更成為新的研究領域。本文將專注於對 LLM prompt engineering 的探討,並介紹當前主流的 ReAct prompting。
論文快讀, 技術 當 LLM 的觸角延伸到表格資料,有機會一統江湖嗎? 表格資料(Tabular data)是關鍵的機器學習資料。儘管傳統機器學習方法如梯度提升樹(包含知名的 LightGBM 以及 XGBoost)在這方面表現突出,但大型語言模型(LLM)的興起帶來了新的挑戰與機會。本文探討 LLM 如何在未直接接觸資料的情況下分類表格資料,並分析「TabLLM」項目的創新方法和成果。
技術, 論文快讀 圖片「全域特徵」與「局部特徵」我都想要!有效整合的方法介紹 本文旨在尋找一種方法,能有效地結合局部與全域特徵,提供模型更全面的資訊。為此,我們將介紹一種專門設計來整合這兩種特徵的新型 CNN 模型,稱為 Global Local Mixture Network(GLMNet)。
技術, 論文快讀 Mini DALL·E3:透過對話繪製圖片 DALL·E3 是 OpenAI 在2023年10月發布的圖像生成模型,不過,使用者僅能利用咒語與參數調整,才能繪製出滿意的圖片,在使用的自由度上大幅受限。為此,有研究者提出名為 Mini DALL·E3 的模型,近一步說明這一類利用自然語言處理跟圖像生成模型的架構,讓使用者後續能更有效的應用並生成出貼近想法的圖片
技術, 論文快讀 如何將照片中的雜物P掉?讓 AI 幫你快速完成圖片修復 2021 年 11 月 Samsung AI Center 提出一篇做圖像修復 (Inpainting) 的論文,這裡的圖像修復指的是重建圖像中丟失或損壞的部分,讓我們先來看看模型驚人的效果。
技術, 論文快讀 如何將貨櫃裝得又滿又快?ICLR 2022 值得注意的裝箱演算法介紹 在物流業與製造業中,常會遇到材料分類裝箱,或是物品裝箱的問題,以往都是以人工方式排列,但這十分耗費人力,且不一定能排列最佳的裝箱方式。隨著人工智慧的興起,許多學者針對裝箱問題進行研究。
技術, 論文快讀 用AI找到最佳進場時間?以Transformer 預測台灣指數期貨上漲與下跌波段實做範例 在這個機器學習或AI蓬勃崛起的年代,各個領域都能運用到相關技術,金融市場正是其中一個熱門領域,每個人都想預測市場上各個商品的高點、低點,或是上漲或下跌的趨勢,更期待能應用於股市行情的預測上。
技術, 論文快讀 想提高模型準確性?試試利用CO-SNE降低階層結構資料的維度 在數據分析時,有一種資料類型是資料間具有階層結構(hierarchical-structure data),例如社交網路、RNA結構等,後續能應用在推薦系統、結構預測等議題上。這類資料通常希望可以在分析時,盡量保持原始的資料結構關係。如果讓很多維度的資料在降維後,仍然保持資料結構的關係,無疑可以大大提高模型預測的準確性。以下是UC Berkeley的Guo等人在2022年6月提出的新方法。