生成式AI占据着2023年诸多头条新闻，2024年大概也会如此。
站长之家（ChinaZ.com）1月4日 消息:斯坦福大学的研究人员利用维基百科数据训练了一个大模型，命名为WikiChat，通过优化和改进，成功解决了大模型的幻觉问题，并在事实准确性和其他指标上表现优秀。他们的最佳模型在新的基准测试中获得了97.3%的事实准确性，远远超过了GPT-4的66.1%。此外，WikiChat还在相关性、信息性、自然性、非重复性和时间正确性方面领先其他模型。
该方法利用专有的大型语言模型在约100种语言的文本嵌入任务中生成了各种合成数据。与复杂的预训练阶段不同，该方法使用基本的对比损失函数，将开源的仅解码的大型语言模型在生成的合成数据上进行微调。
这个工具解决了我在使用AI辅助开发时面临的最大问题——在进行新请求时给现有应用程序源代码提供上下文。通过PR将输出交付的功能是一个不错的附加功能。我已经使用这个工具提交了一些PR。当然，在合并之前我不得不手动进行一些微小的调整，但它确实为我节省了半个多小时的时间。
与 GitHub Copilot 和 GPT-Engineer 等其他人工智能驱动的编码工具不同，它们在有效的代码集成和构建复杂项目方面遇到困难，ScriptGPT 在这些领域表现出色。它可以与这些工具一起使用来编写代码，同时将特定项目功能卸载到 ScriptGPT。