Große Sprachmodelle über eine bereits zur Verfügung gestellte und schicke Oberfläche zu bedienen, erhöht die Zugänglichkeit für viele Menschen – auch für diejenigen, die keine Programmiersprachen beherrschen. Im zweiten Teil meiner Blog-Serie geht es um die technischen Aspekte wie die Spezifikation des Umfangs der Zusammenfassung, Prompt Engineering und Qualitätsfaktoren.
Der dritte Teil meines Blog-Beitrags zum Thema „Maschinenerstellte Zusammenfassung von Texten mit Aleph Alpha Luminous über R“ ist der letzte meiner Blog-Serie. Hier werde ich anhand eines Beispiels auf High-Level-Ebene die verschiedenen Schritte in einer
zum Artikel gehenDie automatische Textzusammenfassung erleichtert die Arbeit erheblich, da solche Aufgaben zeitaufwendig sind und im Wesentlichen Datentransformation darstellen. Dieser Blog-Beitrag konzentriert sich auf das Prompt Engineering und die entsprechende Vorbere
zum Artikel gehenGroße Sprachmodelle über eine bereits zur Verfügung gestellte und schicke Oberfläche zu bedienen, erhöht die Zugänglichkeit für viele Menschen – auch für diejenigen, die keine Programmiersprachen beherrschen. In meinem Blog-Beitrag möchte ich mich auf die
zum Artikel gehenAngesichts der aktuellen Aufmerksamkeit und des zunehmenden Einsatzes von Large Language Models wie OpenAIs ChatGPT zur Lösung von Natural-Language-Processing-Problemen möchte ich in diesem Blog-Beitrag eine Einführung in die KI-Modelle der deutschen Firm
zum Artikel gehenIn diesem Blog-Beitrag zeige ich, wie ihr die Leistungsfähigkeit von Aleph Alphas Large Language Model Luminous für die automatisierte Dokumentenverarbeitung nutzen könnt. Ich präsentiere euch detaillierte Anwendungsfälle und erläutere, wie Luminous die E
zum Artikel gehen