文章列表-AI魔法学院

文章列表

吴恩达老师建议大家关注 AI 智能体工作流

· • 使用工具：让大语言模型调用外部工具，如网络搜索、代码执行等 · · • 规划：让大语言模型自己设计一个多步骤的计划来达成目标

智能体大语言模型

【CLIP系列Paper解读】CLIP: Learning Transferable Visual Models From Natural Language Supervision

这种严格的监督训练方式限制了模型的泛化性和实用性，因为这样的模型通常还需要额外的标注数据来完成训练时未曾见过的视觉“概念”。

OpenAI 自然语言监督

Fastwhisper + Pyannote 实现 ASR + 说话者识别

ASR相关的业务，也是调研了不少模型，踩了不少坑，ASR这块，目前中文普通话效果最好的应该是阿里的modelscope上的中文模型了，英文的话，还是非whisper莫属了，而且whisper很变态，粤语效果也还不错

faster-whisper 语者识别 ASR

Yann LeCun杨立昆最新观点：AGI不存在

本篇内容来自Yann LeCun最新的播客访谈，以及1月份的公开内容整合。

AGI 大语言模型观点

实测：本地跑llama3:70B需要什么配置

前几天发布的开源大语言模型Llama 3 70B的能力通过测试结果的展示已经达到了一个全新的高度，甚至可以与Claude 3 Sonnet和Gemini 1.5 Pro等一众顶级模型相媲美，甚至在某些方面已经超过了去年发布的两款

llama GPU内存

从零开始学习大模型-第二章-大模型学习路线

随着技术的进步，大模型如OpenAI的GPT-4和Sora、Google的BERT和Gemini等已经展现出了惊人的能力-从理解和生成自然语言到创造逼真的图像及视频。

大模型学习

让ChatGPT帮我写SQL

推荐一个Github上Start超过3.4K，可将自然语言转化为SQL语句的开源项目。

SQL

Python程序混淆和打包exe文件流程和方法

Python作为解释型语言，在部署发行之前，最好将代码进行加密，以免被别有用心的人轻易使用或篡改。

Python 程序

RAT = CoT + RAG

大规模语言模型（LLM）处于此类研究的最前沿，旨在模拟人类对概念的理解和表达。

RAT 协同思维链检索增强生成

清华大学ChatGLM团队发布AI Agent能力评测工具AgentBench：GPT-4是全能战士，超越所有模型

PART 01 未来大模型的发展方向：AI Agent 大语言模型（Large Language Models, LLM)最核心的能力是对语言的处理，具备良好的意图识别和文本生成能力让 LLM

GPT-4

10个大模型私有化需要关注的问题

私有化部署大语言模型能够提高企业的对模型的控制力，定制化以及数据隐私和安全。

开源模型

当ChatGLM3能用搜索引擎时

随着AIGC的发展，传统的网络搜索模式也在接受这前所未有的挑战，首当其冲的就是各大搜索引擎，比如bing在自家浏览器中搭载了chatgpt，能够根据搜索的内容进行整合，并生成逻辑清晰，而且相对准确的信息

大模型应用大模型 ChatGLM

2023年人工智能行业总结

作为Deepfake领域的一把好手，它能够修改视频的唇形，实现生成的视频人物口型与输入语音同步。

人工智能 AGI 思考总结

DeepSeek V3刷屏，550万元2000张卡做出的开源模型，和OpenAI几亿烧出来的一样好

结合 119K GPU 小时的上下文长度扩展和 5K GPU 小时的后训练，DeepSeek-V3 的完整训练成本仅为 2.788M GPU 小时。

DeepSeek V3 开源模型

大模型应用发展的方向｜代理 Agent 的兴起及其未来（上）

多智能体系统可以在软件开发和科学研究等领域中协同工作，通过自然语言理解和生成能力实现无缝交互，从而产生合作和竞争。

大模型

<...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