Canada Dataset

您认为这也适用于机器人技术吗？ Jim Fan 绝对适用。我想首先谈谈我们在自然语言处理（NLP）领域看到的成功故事。在ChaggbT和GPT-出现之前，NLP领域有许多模型和管道致力于不同的应用，例如翻译、编程、数学运算和创意写作，所有这些都使用不同的模型和训练管道。但 ChaggbT 的出现将所有这些应用程序统一为一个模型。我们称这些模型为“通用”。当我们拥有通用模型时，我们可以使用查询、细化等。使他们专门从事特定的任务，形成“专人”模式。



根据历史趋势，专家-通才 巴拿马消费者手机号码列表 模型几乎总是比原始专家模型更强大，并且更易于维护，因为只有一个用于输入和输出文本的 API。因此，我认为我们可以在 NLP 领域走上成功的道路，对于机器人技术来说也是如此。直到 。大多数机器人应用将继续处于专业阶段，即针对特定任务、特定硬件和特定数据管道的专用模型。但 Project Groot 的目标是建立一个通用的核心模型，首先是针对人形机器人，然后推广到各种机器人或具体形式。这就是我们所追求的总体时刻。



一旦我们有了通用模型，我们就可以使其适应特定的机器人任务。而这些都将成为专才-通才模式的体现。但在我们拥有通用模型之前，这种情况不会发生。因此，从短期来看，选择专业模型更容易，因为您只需专注于非常狭窄的任务领域。但我们英伟达相信，未来属于通才模式，虽然需要更多的时间来开发，也有更多的研究问题需要解决，但这是我们首先争取的目标。 Stephanie Zhan 关于 Nvidia 构建 Project Groot 的另一个有趣的事情是，正如您之前提到的，Nvidia 拥有芯片和模型。