首页 > 其他分享 >#WPS AI# 改正病句

#WPS AI# 改正病句

时间:2023-06-03 10:06:03浏览次数:29  
标签:场景 正确 AI 不象话 WPS 病句 语感 写法

#WPS AI# 改正病句_使用场景

首先,我们不能用汉语八级考试题去要求AI,有些活人都理解不了。

而一些正常的修改,可以说非常赞!

比如“眼前的场景壮观到不象话”,单纯从语法的角度来说,不能用“不象话”来形容一个场景的壮观程度,但是这三个字却能增加语感,AI在修改的过程中,接受了增加语感的用词,仅把错误的“象话”更正为正确的写法“像话”。

再比如,“至于”和“致于”都是正确的写法,只看使用场景,AI可以正确使用。



标签:场景,正确,AI,不象话,WPS,病句,语感,写法
From: https://blog.51cto.com/u_9928055/6407514

相关文章

  • #WPS AI# 有了AI,我们真的就可以“为所欲为”了?
    先讲两个故事。故事一:一群志同道合的同学决定合作写一本约700页的书,其中一个同学花了十几分钟的时间做了个Word模板,又花了不到半小时的时间给大家培训了一下模板的使用方法,然后大家就各自去写了。三个月后,图书出版。在这个故事中,所有排版的时间加起来,不超过一小时。故事二:某同学决......
  • #WPS AI# 文章大纲
     以下全文:1.认识表格中的函数1.1.了解常见的表格函数类型1.2.掌握表格函数的应用场景1.3.掌握表格函数的应用步骤1.4.熟悉表格函数的适用范围1.5.探讨如何学习表格函数的方法1.6.实例分析如何用表格函数解决问题2.如何高效掌握表格函数2.1.制定合理的学习计划2.2.选择优......
  • #WPS AI# 待办列表
    这个,形式上不错,内容上嘛,呵呵,让我读一上午书,晚上八九点再开吸尘器,有点那啥啥啥哈…… ......
  • #WPS AI# 广告文案
    个人感觉:这个功能在帮助开拓思路方面,还是很有用的。......
  • chatgpt-3.5-turbo Chat Ai对话
    chatgpt-3.5-turboChatAi网页版:https://chatgptmirror.com?share=YMV9R1  ......
  • LangChain教程 – 如何构建自定义知识聊天机器人
    您可能已经了解到过去几个月发布的大量AI应用程序。您甚至可能已经开始使用其中的一些。ChatPDF和CustomGPTAI等AI工具已经对人们变得非常有用——这是有充分理由的。您需要滚动浏览50页文档才能找到简单答案的日子已经一去不复返了。相反,您可以依靠AI来完成繁重的工作......
  • 【花雕学AI】ChatGPT的50种神奇用法:让你的聊天更有趣,更有用,更有创意
      【花雕学AI】是一个普通人学习AI的专栏(于2023年3月29日开始),由驴友花雕撰写,主要介绍了人工智能领域的多维度学习和广泛尝试,目前已包含七十多篇文章,分别介绍了ChatGPT、NewBing和LeonardoAI等人工智能应用和技术的过程和成果。本专栏通过实际案例和故事,分享了花雕在人工......
  • Generative AI 新世界 | 大型语言模型(LLMs)概述
    在上一篇《GenerativeAI新世界:文本生成领域论文解读》中,我带领大家一起梳理了文本生成领域(TextGeneration)的主要几篇论文:InstructGPT,RLHF,PPO,GPT-3,以及GPT-4。本期文章我将帮助大家一起梳理另一个目前炙手可热的话题:大型语言模型(LargeLanguageModels,或简写为LLMs)。亚马......
  • EvalAI使用——类似kaggle的开源平台,不过没有kernel fork功能,比较蛋疼
    官方的代码https://github.com/Cloud-CV/EvalAI我一直没法成功importyaml配置举办比赛(createachallengeonEvalAI使用https://github.com/Cloud-CV/EvalAI-Starters)。 直到使用第三方的fork:https://github.com/live-wire/EvalAI 下面是介绍的简单使用流程:Aquestionwe’......
  • Use trained sklearn model with pyspark
    Usetrainedsklearnmodelwithpyspark frompysparkimportSparkContextimportnumpyasnpfromsklearnimportensembledefbatch(xs):yieldlist(xs)N=1000train_x=np.random.randn(N,10)train_y=np.random.binomial(1,0.5,N)model=ensemb......