TGINSIGHT SIMILAR POSTS
Изворен канал @pythonotes · Post #273 · 26 јул.
В стандартном модуле random есть две очень похожие функции random.randint() random.randrange() Обе возвращают случайное значение из указанного диапазона >>> random.randint(10, 20) 12 >>> random.randrange(10, 20) 17 В чем же отличие? Дело в том что у randrange() есть третий параметр step. randint() действительно возвращает случайное число из указанного диапазона. randrange() на первый взгляд делает тоже самое если передать также два параметра. Но есть указать еще и step то наш диапазон усложняется, то есть в него попадёт не полный ряд значений. Например, я хочу получить случайное значение из диапазона но только чётное число. Тогда достаточно сделать так: >>> randrange(10, 20, 2) 16 Таким образом получается что randint это частный случай randrange без указания параметра step. Еще одно важное отличие в том, что randint() включает в диапазон второе значение а randrange() нет. То есть выражение randrange(10, 20) никогда не вернёт 20, а randint(10, 20) вернёт. #tricks#basic
Пребарај: #rlhf
@kejiqu · Post #3986 · 21.12.2025 г., 08:30
ChatGPT 文风，原产地肯尼亚 肯尼亚作家Marcus Olang指出，其写作风格与ChatGPT高度相似，导致其作品屡被退稿，并引发了关于AI“模仿”人类写作方式的讨论。他认为，AI模型并非原创，而是学习了全球南方，特别是肯尼亚等地区严苛教育体系下形成的规范化写作模式。这一现象与AI模型厂商为降低成本，将RLHF工作外包给非洲国家有关，导致模型在用语习惯上受到影响。此外，研究发现ChatGPT对“delve”等词汇的使用频率异常高，也与非洲RLHF工作者的语言习惯有关。这一现象引发了对AI检测器准确性的质疑，以及对非英语母语者在AI时代可能面临的误判风险的关注。IT之家 🏷#ChatGPT#肯尼亚写作风格#RLHF 📢频道👥群组📝投稿
@yinghexiaozu · Post #1248 · 24.02.2023 г., 00:00
站在 ChatGPT 的肩膀上 这是 ChatGPT 系列话题之二。我精选了这段时间以来我看到的关于 ChatGPT 的文章、网站和项目。 https://hardcored.substack.com/p/w5 #Newsletter#ChatGPT#AIGC#RLHF#GPT3#HuggingFace
@githubtrending · Post #14655 · 01.05.2025 г., 13:30
#typescript#electron#llama#llms#lora#mlx#rlhf#transformers Transformer Lab is a free, open-source tool that lets you easily work with large language models on your own computer, offering one-click downloads for popular models like Llama3 and Mistral, fine-tuning across different hardware (including Apple Silicon and GPUs), and features like chatting, training, and evaluating models through a simple interface—saving you from complex setups like CUDA or Python version issues[1][2][5]. https://github.com/transformerlab/transformerlab-app