怎么看百度的文心一言疑似有套壳

网传可能是先机翻成英文再调用开源的API

匿名用户 发表于 2023-3-25 22:59
大众论坛里这么想也就算了，一亩三分地90%的用户是码农吧，怎么会这么问。
主要是开源的大型图片训练集， ...

不是套壳，那自己的东西在哪？连中文都听不懂，看看都画的啥，还有什么熊熊烈火，鱼香肉丝那些丢死人了。李彦宏还好意思丧事喜办说很有意思，不以为耻反以为荣，真是卧槽了。。。

百度作为中文搜索的门户网站，天然优势就是中文数据集吧，人工annotator之类的在国内成本也很低，为什么非要用英文数据集呢？
除非是用已经训练好的开源模型。
套英文的API应该不至于。

大众论坛里这么想也就算了，一亩三分地90%的用户是码农吧，怎么会这么问。
主要是开源的大型图片训练集，比如LAION-5B，都是英文版，百度肯定也是拿现成的数据集用。虽说有偷懒省钱之疑，不过说套壳就过了。套壳的话太不可控了，没这必要。

哈哈哈xswl

不太了解没有发言权，不过我觉得百度应该没这么蠢去套壳吧？。。。有没有可能是因为中文的训练数据太少了。

匿名用户 发表于 2023-03-25 22:59:30
大众论坛里这么想也就算了，一亩三分地90%的用户是码农吧，怎么会这么问。
主要是开源的大型图片训练集，比如LAION-5B，都是英文版，百度肯定也是拿现成的数据集用。虽说有偷懒省钱之疑，不过说套壳就

为啥中国人做的不用中文数据呢？

这个我也觉得有点离谱，按理来说百度绝对不缺中文语料库，可这几个明显就是用英文做的输入。不过这个也难说怎么回事，🐶做的那个不也是垃圾的一批

微信用户_1809e4d 发表于 2023-3-26 00:05
这个我也觉得有点离谱，按理来说百度绝对不缺中文语料库，可这几个明显就是用英文做的输入。不过这个也难说 ...

虽然但是，高质量中文-图片库还得清洗干净，各种测试迭代。。。本来中文语料库质量就比英文低很多了，英文还有大量的non-profit和研究机构无偿开源大量数据集，没得比好吧。。。

匿名用户 发表于 2023-3-26 00:11
不是套壳，那自己的东西在哪？连中文都听不懂，看看都画的啥，还有什么熊熊烈火，鱼香肉丝那些丢死人了。 ...

市面上的diffusion model都没啥自己的东西，都是开源论文+开源data的engineering implementation。中文数据集差太远了。