以下是一些支持个性化训练的大语言模型：
大型语言模型通过海量的预料训练，具备了一定的智能，涌现出了许多有用的能力。模型中存储了大量的知识，这些知识可以通过文字生成的方式进行展现。正因如此，以ChatGPT为代表的AI看起来不再是“人工智障”，而是能够与我们进行非常友好的对话。[Character.ai](http://Character.ai)和ChatGPT侧重不同。前者更注重人格属性，试图满足社交、情感、陪伴等需求。而后者注重提高效率和解放生产力。最后还探讨了一下AI能否与人产生真的情感。面对AI技术的发展和应用，我们需要保持开放的心态，思考如何在新的情境下建立健康的关系。
每次您写提示时，很多信息都是“隐含的”。MJ的算法通常会用它们自己的“偏好”来填补这些空白，这些偏好实际上是MJ社区的综合偏好。且每个人的偏好都是不同的！模型个性化会学习你的喜好，以便更可能用你的口味来填补空白。模型个性化的要求·目前，模型个性化从成对排名中的投票和你喜欢的探索页面上的图像中学习。·你需要大约200个成对排名/喜欢，才能使此功能生效。·你可以在排名页面查看你的评分数量，或在Discord上输入/info。如何使用模型个性化·只需在提示后输入--p，或使用提示栏中的设置按钮为所有提示启用个性化功能。·当你启用个性化功能时，会在提示后添加一个“代码”，你可以分享这个代码，让其他人也能使用应用于该图像的个性化效果。·你可以使用--s 100控制个性化效果的强度（0为关闭，1000为最大，100为默认）。请注意：个性化目前不是一个稳定的功能，它会随着你进行更多的成对排名而变化（细微的），并且我们可能会在接下来的几周内推出算法更新。所以请将其视为一个“不断变化的有趣功能”（表脸，就是没做好提前放出来赶进度的说辞）。
传统的机器学习是p(y|x; a)假设a是我们训练出来的模型。【训练】我们用大量人工标志，训练出来一个模型a。给了大量猫的照片，就返回cat。模型里面包含了大量猫照片的特征。【预测】给一个新的照片，根据模型特征按照一定概率返回猫或者其他动物。大模型是p(y|x; a)假设a我们训练出来的通用模型。这个模型没有经过人工的标注，但是他什么都可以学会。我们给出的Prompt其实就是x，然后让大模型基于这个x知道概率最大的y，这样就避免了人工的标注，但是依赖于x给入的信息，去更大概率找到合适的y。我们给一张照片，然后我们输入这是一个动物，这是什么，然后大模型根据这个输入，提取照片的特征和我们的提示作为输入，最终返回猫。