V2EX › yanyao233 的所有回复 › 第 14 页 / 共 18 页

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

1 ... 6 7 8 9 10 11 12 13 14 15 ... 18

❮

❯

2023-11-13 19:08:39 +08:00

回复了 lijianmin321 创建的主题 › 分享创造 › 备忘录+翻译+文件搜索+ChatGPT=Airy，给 V 站老哥前 1000 个用户都送终身会员

好耶！

2023-11-08 21:48:50 +08:00

回复了 bigboss60 创建的主题 › NAS › 群晖挂载阿里云为本地 WEBDEV，备份永远目的地损毁

照片这种东西我建议还是多网盘备份，毕竟丢失了就再找不回来了...我的 30 多 g 照片，就是电脑一份，nas 一份，onedrive 和 google drive 各一份

2023-11-08 21:15:13 +08:00

回复了 token10086 创建的主题 › 程序员 › 求求你们都别卷工具站了

果然，工具站、日记是所有程序员一定会做的项目

2023-11-07 22:03:37 +08:00

回复了 cuishunbiao 创建的主题 › 分享创造 › 利用 ChatGPT 开发了一个「几分钟前是几点」的网站

@bkzly83851 改名：互联网博物馆

2023-11-07 21:23:34 +08:00

回复了 amber0317 创建的主题 › 分享创造 › 做了个一站式 Bilibili 音乐下载器，以下是我的思考

哇哦，这 ui 好好看

2023-11-05 21:00:35 +08:00

回复了 yueji 创建的主题 › 机器学习 › 如何搭建一个基于聊天记录训练的 AI 对话机器人

@yueji 没听过这个欸...看了一下似乎是英文的模型？恐怕中文不行吧

2023-11-04 19:07:32 +08:00

回复了 yueji 创建的主题 › 机器学习 › 如何搭建一个基于聊天记录训练的 AI 对话机器人

几个月前刚训练过一个，安卓手机的话需要把微信数据库导出并解密 https://github.com/greycodee/wechat-backup
然后导出 contact 和 message 表，我先是对导出的表进行了清洗，把非目标群聊/联系人的聊天数据和大部分根本不需要的字段全部删除，删除不使用的聊天记录类型（比如图片啥）然后再清洗掉个人敏感信息

对于数据集生成，我的思路是
1.群聊: 先筛选出我发送的消息，然后向上追溯一分钟之内的其他人的消息作为一组对话（我这里没考虑引用回复），一天内的消息均作为上下文（但实际上我并不推荐使用群聊消息，现在并没有成本低且效果很好的方式来分割聊天，第三次训练时我去掉群聊的数据集，胡言乱语的情况好了很多）
2.联系人: 一问一答为一组对话，多条连续消息合并，一天内为上下文
最后总共有 8k 条聊天记录

我当时使用的 chatglm2 模型，lora 和 pt 都试了，lora 效果好太多，最终 15steps 的 loss 稳定在 1.0 左右

效果怎么说呢...确实金句频出，但记忆力明显下降，并且指令服从性几乎没有，也就仅仅能用来聊天了。

另外，我多次尝试让他认识到自己是谁，无论是通过数据集强化的方式，还是靠推理时增加 system prompt ，都无法达到效果...

2023-10-28 18:26:33 +08:00

回复了 yhtbiy 创建的主题 › JetBrains › 看看 jetbrains 又出了新的 IDE [writerside]

@zen1 这样高度统一的 ui 风格我觉得挺好的，降低了很多学习成本

2023-10-28 18:12:38 +08:00

回复了 Jack0 创建的主题 › GitHub › github 的 star 有什么用处？

@AoEiuV020JP star 还能刷的吗...

2023-10-28 18:07:55 +08:00

回复了 luzemin 创建的主题 › 程序员 › 命名的时候，会把缩写后的单词当做普通单词使用吗？

id 小写，其他缩写大写

2023-10-28 17:41:03 +08:00

回复了 oszlso 创建的主题 › Google › 为什么 Google 搜索结果会去除空格？

才发现...还真是