文章列表-AI魔法学院

文章列表

AI“同声传译”新进展！Google发布，无监督，语音识别：Translatotron 3！

因此，如何利用无标注的语音数据和文本数据，实现无监督的语音识别，是一个非常有价值的研究方向。

Translatotron 语音识别

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

这篇文章中，我们证明了利用一个简单的预训练任务（即预测哪个文本描述对应当前图像）在一个从互联网上搜集的4亿个（图像，文本）对的数据集上可以取得SOTA的图像表征。

OpenAI 自然语言监督

Ilya认错，Scaling Law崩了？自曝SSI秘密技术路线取代OpenAI

另一个问题，就是LLM吞噬了大量数据，而世界上易于获取的数据，几乎已经被耗尽了！

Scaling Law AI大模型

如何将 GPT 幻觉发生率从 20% 以上降低到 2% 以下

我们没有进行微调，而是结合使用提示链接和预处理/后处理来将幻觉率降低一个数量级，但它确实需要 3-4 倍的 OpenAI 调用次数。

大模型

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

为什么Llama2大模型可以在个人电脑上部署？

PyTorch PyTorch就像一个神奇的工具箱，集成了很多功能。

开源模型

RAG 与 Finetuning，谁是提升 LLM 的最佳工具？

该数据集必须随着基础数据的变化而更新，这对于频繁变化的数据源来说是不切实际的。

训练

被时代选中的智谱 AI：成为 OpenAI，超越 OpenAI

这与过去十多年大数据和人工智能发展面临的问题类似，即存在数据孤岛和数据壁垒。

智谱 AI

深入探讨GPTs和AI Assistant

用户可以通过对话形式，为GPT提供指令和额外的知识库，然后选择所需的能力，例如联网、绘图、分析数据等。

GPTs AI Assistant

微调大型语言模型-核心思想和方法介绍

1）基于特征的方法在基于特征的方法中，我们加载预训练的 LLM 并将其应用于我们的目标数据集。

大模型训练

手把手！做Llama3的MoE专家混合模型！底层原理怎样的？做自己的MoE模型？需要多少算力？

ORPO偏好微调，数据集工具指南！

MoE 专家混合模型

百川智能RAG方案总结：搜索出生的百川智能大模型RAG爬坑之路

方法进行解读，百川智能具有深厚的搜索背景，来看看他们是怎么爬RAG的坑的吧～总的来说，百川通过长上下文模型(192k)+搜索增强结合的方法来解决知识更新，降低模型幻觉的问题，使得其在5000万tokens的数据集中取得

RAG 大模型

【上篇】深度解析AI大语言模型（LLM）在企业应用的关键技术与典型架构

这源自于大语言模型学习算法的改进及海量训练数据的输入与“投喂”，千亿甚至万亿级参数的大模型不断出现，这让大模型具备了某种意义上的“思考”能力。

大语言模型

Agent : 一文读懂LLM Agent架构，详解Profile，Memory，Planning，Action模块作用

这个模块提出了三种Agent角色生成方式，包括LLM生成方法、数据集对齐方法和组合方法。

大模型 LLM Agent

RPA机器人实现网页自动翻页功能

RPA旨在通过模拟和整合人类用户在数字系统中的交互，实现对现有应用程序的自动化操作，从而提高工作效率、减少错误、降低成本，并释放员工精力，让其更多地从事创造性和战略性工作。

RPA 自动

<...32 33 34 353637 38 39 40 41 ...>

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