【AiBase提要:】如今，许多备受尊敬的科学家，都在各自的子领域中取得了进展。
2. 研究指出ChatGPT难以识别疾病之间的关系，提出需要有选择性地在准确可信的医学文献上进行专门培训。
为了解决幻觉问题，研究人员采用了检索增强生成（RAG）的方法，并添加了几个重要步骤来进一步减轻幻觉，并改进对话性指标。通过这些优化，WikiChat在事实准确性方面比微调后的SOTA RAG模型Atlas高出8.5%。此外，研究人员还将基于GPT-4的WikiChat提炼成7B参数的LLaMA模型，这个模型在事实准确性方面能达到91.1%的高分，并且运行速度提高了6.5倍，能效更好，可以本地部署。
在细化阶段，通过在UV空间中训练无光照扩散模型，解决粗糙纹理的光照阴影和纹理空洞问题，提升纹理贴图的视觉美感。这一框架的引入使得Paint3D在纹理生成方面表现出色，被评价为最好的纹理生成方法之一。