文章列表-AI魔法学院

文章列表

万字长文震撼来袭！揭秘Transformer——吐血解读自注意力机制的革命性突破

尽管最近的研究通过因式分解和条件计算等方法提高了效率，但这一基本约束仍然是一个待解决的问题。

Transformer 大模型

大模型的研究新方向：混合专家模型（MoE）

集成学习在训练过程中，利用训练数据集训练基学习器，基学习器的算法可以是决策树、SVM、线性回归、KNN等，在推理过程中对于输入的X，在每个基学习器得到相应的答案后将所有结果有机统一起来，例如通过求均值的方法解决数值类问题

MoE 大模型

图解 transformer——逐层介绍

换句话说，位置编码交织了一系列正弦曲线和一系列余弦曲线，对于每个位置 pos，当 i 为偶数时，使用正弦函数计算；当 i 为奇数时，使用余弦函数计算。

Transformer 大模型图解

总结些SDXL出人像时遇到的困难

我其实之前出图不多，出的话大多是尝试网上的提示词，所以提示词能力没得到锻炼，写得也没什么章法可循。

文生图 SDXL

基于LLM+向量库的文档对话痛点及解决方案

检索部分只对关键信息做embedding，参与相似度计算，把召回结果映射的原始文本交给LLM。

开源模型

和大模型相关的一些术语（持续更新中）

AI是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

大模型人工智能

智能知识图谱SmartKG和pySmartKG简介

smartkg pySmartKG地址：https://github.com/microsoft/SmartKG/tree/master/PySmartKG 更加详细的安装、编译和使用方法请见

知识图谱

如何最简单、通俗地理解Transformer？

而自注意力机制的另一个特点时允许模型并行计算，无需RNN一样t步骤的计算必须依赖t-1步骤的结果，因此Transformer结构让模型的计算效率更高，加速训练和推理速度。

Transformer 大模型

AI大模型LLM可以帮助企业做什么？

在许多任务上，ChatGPT 的性能甚至超过了针对单一任务进行训练的有监督算法。

大模型

AI人工智能大模型通用办公提示词-献给像我一样的社畜们

我的第一句话是“为了让计算机像人类一样行动，语音识别系统必须能够处理非语言信息，例如说话者的情绪状态。”

为什么说AI现在还不行！

AI则在很大程度上折叠这个中间环节，对话即计算，同时让这种计算变的更加泛化和无边界。

大模型

万字长文-大语言模型指令调优综述

利用奖励模型计算策略梯度对第 1步调整后的模型进行优化。

大语言模型

炸裂！百川开源第1个7B多模态大模型 Baichuan-Omni | 能够同时分析图像/视频/音频/文本

这些缺陷极大地阻碍了这些模型在各种应用中的更广泛采用和有效性，从自然语言处理到计算机视觉以及更多领域。

Baichuan-Omni 多模态大模型

从零开始学习大模型-第二章-大模型学习路线

机器学习基础：学习机器学习的基本概念、算法和模型，如线性回归、决策树、随机森林、支持向量机等。

大模型学习

万字长文，AI大模型的应用实践总结

03 大模型算法模型结构：目前主流的大模型都是Transformer、MOE结构为基础进行构建，如果说Transformer结构使得模型突破到上亿参数量，MoE 稀疏混合专家结构使模型参数量产生进一步突破

大模型

<...22 23 24 252627 28 29 30 31 ...>

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2025 AI魔法学院

京ICP备20027199号-1