为了解决幻觉问题，研究人员采用了检索增强生成（RAG）的方法，并添加了几个重要步骤来进一步减轻幻觉，并改进对话性指标。通过这些优化，WikiChat在事实准确性方面比微调后的SOTA RAG模型Atlas高出8.5%。此外，研究人员还将基于GPT-4的WikiChat提炼成7B参数的LLaMA模型，这个模型在事实准确性方面能达到91.1%的高分，并且运行速度提高了6.5倍，能效更好，可以本地部署。
专利的大型语言模型如 GPT-4被用来生成包括多语言指令在内的各种合成数据。通过利用 Mistral 模型强大的语言理解能力，该方法在几乎所有工作类别上在激烈竞争的 MTEB 基准测试中取得了出色的性能。
LLaVA是一个端到端训练的多模态大模型，它将视觉编码器和用于通用视觉和语言理解的Vicuna相结合，具备令人印象深刻的聊天能力。而CogAgent是在CogVLM基础上改进的开源视觉语言模型，拥有110亿个视觉参数和70亿个语言参数。
这样一个跨年派对带来的节日气氛，似乎已经穿过屏幕，来到了现实世界。你在玩家们的分享中就能强烈感受到，蛋仔们在一起蹦迪和合影、用游戏发言代替欢呼、高举虚拟「灯牌」的样子，背后都是玩家们的欢呼雀跃。可以说，线下主题乐园能体验到的活动和气氛，蛋仔不仅完全不输，一些线下乐园做不到的地方，蛋仔甚至还有所超越。
也有人开始怀念今年玩过的乐园地图。比如在《奔向绚烂那方》这张地图中，作者讲述了一个很有韵味的故事，让人理解追逐梦想之外的孤独;而《杨女士。》这张地图，则表达了作者对妈妈的思念，故事虽短，也让不少人潸然泪下。