文章列表-AI魔法学院

文章列表

ChatGPT写论文指令全集

描述研究设计：详细说明你的研究设计、数据收集和分析方法。

ChatGPT 写作

大模型微调应用实践，没那么简单，看看曾经踩过的坑

解决方案，对数据并行处理，具体实现参考海量数据高效训练，核心思想自定义数据集本次的主要目标是使向量化耗时随着处理进程的增加线性下降，训练时数据的内存占用只和数据分段大小有关，可以根据数据特点，灵活配置化

大模型

从零开始了解AI大模型 - 概念篇：一文带你走进大模型世界

大模型通过海量数据和超高数量的参数，实现面向复杂问题的“预测”能力。

大模型

Giraffe：世界上第一个商业可用的32K长上下文开源LLM（基于Llama-2）

· 特别是，我们将 RedPajama 数据集的微调和 Vicuna 数据集的指令微调与上述方法结合起来。

开源模型

通俗解读大模型微调(Fine Tuning)

第三个原因是，Prompt Engineering的效果达不到要求，企业又有比较好的自有数据，能够通过自有数据，更好的提升大模型在特定领域的能力。

大模型微调

一个产品经理的大模型观察、反思与预测

算法、算力、数据 · 预训练：最主要工作，相当于训练计算时间的99%，数千 GPU

工作

智能时代的变革者：定制化GPTs重塑未来的五大预言

这不仅包括数据输入和处理，还扩展到更复杂的工作，如初级数据分析和报告编写。

GPTs 智能

AI+智能客服：大模型可落地的最成熟场景之一

例如，数据加密：确保用户数据传输和存储的安全。

ai 客服

大语言模型的拐杖——RLHF基于人类反馈的强化学习

01 技术原理论文中描述了早期研究的大致过程：使用了两种方式和多个数据集：API提示生成和公共NLP数据集上的问答；多个数据集，包括WebText、SQuAD、TriviaQA

大模型训练

【一步一步引导】从零详细地梳理一个完整的 LLM 训练流程

数据预处理数据预处理主要指如何将「文档」进行向量化。

大模型训练

达摩院SPACE对话大模型：知识注入与知识利用

如上图所示，针对判别式的方法，对有标数据，可以新加一个损失函数 LDA ，但是对于无标数据，无法添加损失函数。

大模型

研究人员开源中文文本嵌入模型，填补中文向量文本检索领域的空白

另一方面，OpenAI 出品的 text-embedding-ada-002 模型被广泛使用，虽然该模型的效果较好，但此模型不开源、也不免费，同时还有数据隐私和数据出境等问题。

GPT

一文讲明白什么是预训练、微调和上下文学习

在大量未标记文本数据上训练语言模型。

大模型训练

OpenAI视频模型Sora的推理生成成本多高？

GPT-4 的训练数据约为 13T - 20T 之间，我们假设为 20T 数据则 GPT-4 训练所需的 FLOPs = 6 * 400B * 20T = 4.8 * 10^25 目前最大的模型训练计算量预估在

Sora 推理算力

清华智能体「XAgent」比ChatGPT4.0还好用！

各种复杂任务都能自主解决，例如：让它使用python来分析给定的数据通过这个案例可以看到，XAgent会分步逐一分析并解答问题

ChatGPT 智能体 Agent

<...26 27 28 293031 32 33 34 35 ...>

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