【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。