吴恩达又开课了如何让你的AI应用不再答非所问

吴恩达又折腾出新课程了！

这次他联手Vectara，搞了个短期课程，要教你 如何从头到尾搭建一个嵌入模型 。听起来很高大上？别慌，吴恩达教授可是要手把手教学，让你轻松上手哦~

课程名字叫《 嵌入模型：从架构到实现 》 。听这名字就知道，不光教你理论，还要动手实践，简直不要太良心！

那么问题来了，为啥要学这个？

吴恩达给出了一个让人无法拒绝的理由： 很多LLM应用只用一个嵌入模型来处理问题和答案，这可能会导致检索到的结果更像问题本身，而不是相关的答案 。

啥意思？打个比方：

你问：" 今天北京天气怎么样？ "

AI回答：" 对不起，我不知道今天北京天气怎么样。 "

AI压根没回答你的问题，只是把你的问题重复了一遍。这不就是典型的答非所问吗？

所以吴恩达说，咱们得用 双编码器架构 ，也就是分别用不同的嵌入模型来处理问题和答案。这样才能更好地匹配问题和合适的答案。

有位不愿透露姓名的网友表示：

学这个真的能提高AI应用质量吗？感觉像是在炒冷饭...

呃，这位朋友可能对嵌入模型还不太了解。来来来，让我们看看课程到底教些啥：

词嵌入是啥 ，怎么用

从简单词嵌入到考虑上下文的 BERT ，嵌入技术是怎么进化的

对比损失 如何训练双编码器模型，一个编码器嵌入问题，另一个嵌入回答

如何分析双编码器对搜索相关性的影响，还要和单编码器的检索过程比较

看到没？这哪是炒冷饭，简直是在教你 炒米其林三星大餐 好吧！

说到这儿，我突然想起前几天的一个新闻： GPT-4o被问'9.11和9.9哪个大'时居然搞错了 。

你没看错，连GPT-4o这种顶级模型都会在这种简单问题上翻车。为啥？就是因为它没能正确理解问题的语境。

如果用上吴恩达教授这套双编码器架构，说不定就能避免这种尴尬了呢~