文章列表-AI魔法学院

文章列表

深入浅出：大语言模型中必不可少的技术——Embedding简介

例如，通过对embedding向量执行向量加法和减法操作，可以推断出单词之间的语义关系。

embedding

AI Agent：大模型与场景间的价值之桥，但不适合当纯技术看

经济体系的主要部分是需要干涉现实的，所以大模型的这种智力优势就需要一个管道，让它流淌出去和各个领域相结合，然后才才能真正创造更大的经济价值。

大模型

Yi技术报告细节分享

Paper: https://arxiv.org/abs/2403.04652 预训练阶段数据构造 Yi模型在预训练阶段的数据处理流程主要如下图所示，主要是对爬取的网络文本进行数据过滤和去重

Yi模型大模型

图解大模型训练之：张量模型并行(TP)，Megatron-LM

我们重画一下forward的过程，并在其中加入backward的部分，整体流程图如下： · f 和 g：分别表示两个算子，每个算子都包含一组forward

开源模型

Yann LeCun杨立昆最新观点：AGI不存在

此外，开源人工智能将允许更多的协作和有益的人工智能系统的开发。

AGI 大语言模型观点

最透彻的大模型PPO原理和源码解读

所以，在写这篇文章时，我直接从一个RLHF开源项目源码入手（deepspeed-chat），根据源码的实现细节，给出尽可能丰富的训练流程图，并对所有的公式给出直观的解释。

PPO 大模型源码解读

AI落地里那些假的机会

一定程度上硬的部分总是比软的部分关键。

大模型

深入探讨GPTs和AI Assistant

但是 GPTs 提供的方式是让所有人都可以得到定制版的ChatGPT，用户可以根据自己的生活，工作，学习等不同的场景，制定适合自己的ChatGPT，并且可以和其他人进行共享。

GPTs AI Assistant

理解 o3 及其技术分析

1.2、如何理解o3的能力大模型的能力与人并不相同，o3可以完成一些常人很难胜任的工作，但也有很多对人简单的问题o3很难完成。

o3 技术分析

七问大模型幻觉｜LLM Hallucination

在语言模型的背景下，幻觉指的是一本正经的胡说八道：看似流畅自然的表述，实则不符合事实或者是错误的。

大模型

微调大型语言模型-核心思想和方法介绍

此外，提示调整可能是劳动密集型的，因为它通常需要人工参与来比较不同提示的质量。

大模型训练

Stable Diffusion

硬核解读Stable Diffusion（系列二）

文生图根据文本生成图像这是文生图的最核心的功能，下图为SD的文生图的推理流程图：首先根据输入text用text encoder提取text embeddings，同时初始化一个随机噪音noise

StableDiffusion 文生图

大模型天才杨植麟，被朱啸虎“咬”了一口

综合公开信息，杨植麟、张宇韬和陈麒聪此前共同创办了循环智能，三人结识于清华大学的知识工程实验室，其中陈麒聪担任CEO，杨植麟2019年回国后主要负责AI和产品，类似首席科学家的角色，张宇韬则担任CTO，

杨植麟大模型

prompt必须知道的26条军规

大模型的涌现能力毋庸置疑，但是大模型的应用，尤其是prompt提示工程对普通用户来说还是有学习成本。

prompt 大模型

如何最简单、通俗地理解Transformer？

这些特点让Transformer自2017年发布以来，持续受到关注，基于Transformer的工作和应用层出不穷。

Transformer 大模型

<...70 71 72 737475 76 77 78 79 ...>

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