ai搜索引擎再次进化。！
给这个ai一个主题，分分钟为你抛出一篇论文综述，还提供你自己的论文引用。
或者输入一个科学术语，ai可以快速生成这个术语的专属维基百科。
这个ai叫galactica，是最新的科学语言开源模型，把ai变成科学生产力。
实现了主体的统一数学，物理，计算机这个ai都可以用
该模型一发布，迅速引发网友热议目前相关推文已被浏览近15万条，累计点赞，转发，引用也破5000
脸书的前技术官员也出来为它站台。
有网友亲身体验，写的文献综述看起来挺好的，甚至直呼:
接下来它还能产生新的想法吗。
其实写文献综述和制作维基百科只是gal的一部分功能。除此之外，它还可以回答一些专业问题，编写科学代码，注释分子和蛋白质...
具体效果如何。来看看吧~
可以作为科学生产的工具。
说到科学生产力，肯定离不开论文的搜索不，高尔已经帮你解决了
它涵盖了五个科学学科:机器学习，数学，计算机科学，生物学和物理学。
选择好题目，然后在左边边框输入你想要的论文题目，右边的gal会推荐最适合阅读的论文。
除了推荐论文，gal还有一个更实用的功能:生成课堂笔记。
比如想做密度泛函理论的pre，但是懒得写讲稿，就gal一下，分分钟搞定。
gal也可以用来注释分子和蛋白质以下是gal生成的rdkit操作手册
在一些细节上，gal也处理的很严厉！
比如一些复杂的数学公式和代码你看不懂，留给gal去解也没关系可以直接翻译成白话给你
不仅如此，它还可以实现数学公式与代码之间，或者不同类型代码之间的转换。
更重要的是，它具有简化公式和检查错误的功能。
你是怎么做到的。
gal能实现如此复杂的功能，不得不提它的训练数据集。
根据官方消息，gal在一种新型的高质量科学数据集naturebook上接受训练，该数据集使模型能够使用科学术语，数学和化学公式以及源代码。
包括超过4800万篇论文，教科书和讲义，以及数百万种化合物和蛋白质，科学网站和百科全书等。
如此庞大的数据集，有两个问题。
第一个问题是如何管理这些高质量的数据集。为此，gal采取了两个步骤:
前期训练包括针对具体任务的数据集，保证你在处理具体任务时能够更加专业。
另一个问题是:如何设计界面交互。
首先，如上所述，gal可以支持不同类型的任务。
所以在设计界面交互的时候，对各种任务进行分类，不同的分类会支持不同类型的数据。
既然gal拥有高度管理和高质量的科学数据集，那么它与其他模型相比如何。
直接上数据！
在推理上，gal的优势很突出在数学上mmlu比龙猫的好在数学方面，它也优于palm 540b和gpt—3 175b
gal虽然没有经过通用数据集的训练，但是在big—bench上的表现仍然优于bloom和opt—175b。
看完是不是也很痒。先说说吧！
门户网站:
参考链接:
。
营业执照公示信息