文章列表-AI魔法学院

文章列表

秒懂AI-深度学习五大模型：RNN、CNN、Transformer、BERT、GPT简介

与RNN相比，CNN更擅长处理图像数据，因为它可以自动学习图像中的局部特征，而不需要人工设计特征提取器。

大模型学习

如何用大语言模型构建一个知识问答系统

用户可能并未意识到这一点，希望 LLM 能够自动和玩家交互直到获得：问题和比赛模式两个信息，再进行处理。

知识库

个人从零预训练1B LLM心路历程

分支提供的恢复数据训练进度的方法比较简单粗暴，保存模型checkpoint时候也记录下迭代轮数，加载checkpoint之后直接跳过之前迭代过的轮数的数据，这种方式的的数据恢复要求预训练过程数据不能有变动。

LLM 训练

ChatGPT写论文指令全集

初步文献审阅：浏览相关书籍、学术论文、网上资源等，了解该主题的基本情况和研究动态。

ChatGPT 写作

智谱AI静悄悄的上线了一大波新模型，过年了，真的

而这个经典的动物过河问题：“农夫需要把狼、羊和白菜都带过河，但每次只能带一样物品，而且狼和羊不能单独相处，羊和白菜也不能单独相处，问农夫该如何过河。”

智谱AI 大模型

TrOCR——基于transformer模型的OCR手写文字识别

代码运行后，会自动下载相关模型，并输出最终的文本。

OCR 手写文字识别

大规模中文开源数据集发布！2TB、几十亿条可商用的中文数据集书生·万卷 1.0开源~中文大模型能力可能要更上一层楼了！

· · 本数据集填补了公开源大规模多模态预训练数据集的空白，有助于推动相关领域技术的进一步发展。

大模型

从0到1基于ChatGLM-6B使用LoRA进行参数高效微调

版本（点击下载OpenSSL），然后再编译安装Python)，点击下载Python · NVIDIA驱动程序版本

大模型

解读 | SuperCLUE 2023年9月全面测评大模型四大能力

未来，我们期待看到更多的模型在这些领域取得突破，推动AI技术的发展。

大模型方法论

【一步一步引导】从零详细地梳理一个完整的 LLM 训练流程

游泳池是杭州西湖的一个游泳池，�� 词表扩充为了降低模型的训练难度，人们通常会考虑在原来的词表上进行「词表扩充」，也就是将一些常见的汉字 token 手动添加到原来的

大模型训练

垂直领域大模型的思考

例如指令：“有哪些减肥的运动？”

垂直领域大模型

【万字长文】LLaMA, ChatGLM, BLOOM的参数高效微调实践

在模型细节上，做了以下几点改动： layer normalization：为了提升训练的稳定性，没有使用传统的post layer norm，而是使用了pre layer Norm。

大模型微调训练

自从prompt用了示例演示，GPT的输出稳定性达90%

这些问题值得我们每个人深思，因为它们不仅关乎技术的使用，更关乎我们与这个快速发展的数字世界的互动方式。

prompt 提示词

Mixtral 7B 官宣免费，一大波 AI 模型也免费了，有网就能用！

这一创新平台以 MythoMist 专有算法的最新迭代为基础，旨在在模型构建过程中动态对模型进行基准测试，使其性能与用户定义的目标保持一致。

开源大模型

聊天大模型的输出速度应该是多少？单张显卡最多可以支持多少个人同时聊天？来自贾扬清最新的讨论~

例如，使用ChatGPT时，用户通常会快速滚动答案，简要检查是否合理，并只阅读有意义的部分。

大模型

<...74 75 76 777879 80 81 82 83 ...>

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