資料內(nèi)容：
什么是機器學習
如果機器學習模型本身比較簡單，比如高中學到的線性函數(shù)
y=b+ wx
神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)單元是一個神經(jīng)元的模型，其只能進行簡單的計算。假設(shè)輸入數(shù)
據(jù)有2個維度(x1, x2)，那么這個神經(jīng)網(wǎng)絡(luò)可以寫成：
y=σ(w1x1+w2x2+b)
LLMs 已經(jīng)具備了較強能力了，為什么還需要 RAG(檢索增強生成
Pano
pticon Streams
•盡管 LLM 已展現(xiàn)出顯著的能力，但以下幾個挑戰(zhàn)依然值得關(guān)注：幻覺問題：LLM 采用基于統(tǒng)計的概
率方法逐詞生成文本，這一機制內(nèi)在地導致其可能出現(xiàn)看似邏輯嚴謹實則缺乏事實依據(jù)的輸出，即所
謂的“鄭重其事的虛構(gòu)陳述” ；
•時效性問題：隨著 LLM 規(guī)模擴大，訓練成本與周期相應(yīng)增加。鑒于此，包含最新信息的數(shù)據(jù)難以融
入模型訓練過程，導致 LLM 在應(yīng)對時間敏感性問題時力不從心；
•數(shù)據(jù)安全問題：通用的 LLM 沒有企業(yè)內(nèi)部數(shù)據(jù)和用戶數(shù)據(jù)，那么企業(yè)想要在保證安全的前提下使用
LLM，最好的方式就是把數(shù)據(jù)全部放在本地，企業(yè)數(shù)據(jù)的業(yè)務(wù)計算全部在本地完成。而在線的大模型
僅僅完成一個歸納的功能；
