@Xudong07452910: Interpreting Jev from this angle is pretty interesting—is this the Renaissance of the Encoder? I still remember that my…
摘要
A tweet discusses the resurgence of encoder models in AI, referencing BERT and GPT, and questions if this marks a Renaissance of the Encoder.
查看缓存全文
缓存时间: 2026/09/19 17:11
Interpreting Jev from this angle is pretty interesting—is this the Renaissance of the Encoder? I still remember that my first paper used an Encoder to build a time series forecasting model; back then, BERT still had its place.
Dongxi 东锡 NLP (@dongxi_nlp): Encoder 的卷土重来
BERT 本来是一条极有潜力的路线:高效地把输入压成 representation。但它停留在了 task-specific 时代,每个任务都需要微调。
GPT 早期同样如此,后来却沿着 scaling、in-context learning 和 instruction tuning 走向了 泛化,把自然语言变成 universal task
相似文章
@tomaarsen: 不如生成式解码器那样性感,但用于搜索的Sentence Transformers模型已经慢慢占据了下载量最多的页面…
这条推文指出,用于搜索的Sentence Transformers模型在Hugging Face上获得了人气,并表达了对具有零样本能力的编码器复兴的希望。
@jinchenma_ai: Jev 真的有那么强吗?你真的了解 Jev 吗?最近,整个网络都在热议 Jev,而我……
本文批判性地审视了 Jev,一个针对快速、结构化输出和成本效率进行优化的AI模型,同时质疑其判断与大型模型相比的可靠性。
@snowboat84: 你有没有发现,AI里模型的诞生其实相当随意?拿语言模型举例子:先是RNN,再到LSTM,某天突然说Transformer效果好就全换上,后来又拆成Encoder和Decoder,一会儿说BERT一桶浆糊,一会儿又说GPT可以有涌现能力,S…
文章讨论了AI模型诞生的随意性,提出从物理学模型中获得灵感并建立备选模型资料库,将选模型过程工程化的想法。
@HuggingModels: 想构建一个能看图像并用自然语言描述的AI吗?这个新模型就能做到。它是一个视觉编码器-解码器…
介绍了一种新型视觉编码器-解码器模型,能够同时处理图像和文本,生成类人回应,适用于图像字幕和视觉问答等任务。
@jakevin7: Jev 太厉害了!!!它完全是一个新的方向+新的模型范式。它带来了这么多完全不同的东西……
一篇社交媒体帖子称赞 Jev AI 模型是一个新范式,具有大规模检索、AI推荐系统和实时交易等潜在应用,尤其是在与 OpenCLI 配合使用时。