【AiBase提要:】2）编码器和码本训练，固定好波形编码器后，训练Transformer编码器与离散码本，获得稳定可分离的脑电波表示。
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。
与 GitHub Copilot 和 GPT-Engineer 等其他人工智能驱动的编码工具不同，它们在有效的代码集成和构建复杂项目方面遇到困难，ScriptGPT 在这些领域表现出色。它可以与这些工具一起使用来编写代码，同时将特定项目功能卸载到 ScriptGPT。
LLaVA在视觉聊天和推理问答方面表现出接近GPT-4水平的能力。在视觉聊天方面，LLaVA的表现相对于GPT-4的评分达到了85%，在推理问答方面更是达到了92.53%的超过GPT-4的新SoTA。LLaVA在回答问题时，能够全面而有逻辑地生成回答，并且可以以JSON格式输出。