文章列表-AI魔法学院

文章列表

大语言模型的拐杖——RLHF基于人类反馈的强化学习

他们根据质量或正确性排名不同的模型生成的输出或行为。

大模型训练

复旦开源中文医疗大模型，基于百川微调，模型和数据集都公开

DISC-MedLLM的独特之处源于其创新性的设计和多元数据构造机制，这一机制是基于我们以目标为导向的策略，以及真实医患对话数据和知识图谱的深度结合而成。

大模型

中文常用停用词表下载

停用词表这个概念，我们可以用一个有趣的故事来帮助理解：想象一下，有一个巨大的图书馆，里面装满了各种各样的书籍，但是有一天，图书管理员发现了一个问题：很多书里都包含了大量的“的”、“是”、“了”这样的词

训练停用词

大模型的最大bug，回答正确率几乎为零，GPT到Llama无一幸免

新研究假设这种排序效应是由于逆转诅咒造成的。

大模型

达摩院SPACE对话大模型：知识注入与知识利用

除了对话理解以外，还有一块是对话生成领域。

大模型

人工智能大语言模型微调技术：SFT 、LoRA 、Freeze 监督微调方法

因此，可以把一个神经网络分成两块：低层的网络进行特征抽取，将原始信息变成容易被后面任务使用的特征；输出层的网络进行具体任务的预测。

大模型微调

推荐智能体：利用大模型进行交互式推荐

为了集成视觉功能,Visual ChatGPT (Wu et al. 2023)和HuggingGPT (Shen et al. 2023)结合了视觉模型作为工具,使LLM能够生成和处理图像。

大语言模型推荐

大模型：泛化即智能，压缩即一切！

如上图所示，许多教科书中显示的图形都是U形风险曲线。

泛化大模型

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

经典案例：猫狗识别 3、Transformer 时间：2017年关键技术：自注意力机制和多头注意力机制处理数据：适合处理长序列数据应用场景：自然语言处理、机器翻译、文本生成等 Transformer

大模型学习

大模型应用发展的方向｜代理 Agent 的兴起及其未来（下）

LLM代理应用的拓扑图如图6所示。

大模型

解读提示工程（Prompt Engineering）

4 Prompt 的工作原理在试图理解Prompt 的工作原理之前，需要理解大模型是如何生成文本的。

Prompt 提示词

大模型是怎么“用工具”的：一文讲透 Function Calling 策略

注意几点：名字不能模糊（get_weather总比tool_1好）描述要清晰，别让模型靠猜第二步：生成调用指令用户提问：“33加77等于多少？”

Function Calling 大模型

你是否发现ChatGPT甚至不能按字数要求回复问题？有人做了评测并讨论了可能的原因

虽然最近的研究探讨了LLM在各种基准任务中的能力，但很少有研究探讨LLM在生成任务上的可控性。

大模型控制

2.7B能打Llama 2 70B，微软祭出「小语言模型」！96块A100 14天训出Phi-2，碾压谷歌Gemini nano

上图展示了根据ToxiGen中的13个人口统计学数据，计算出的安全性分数。

小语言模型

Sora相关论文合集---全32套大放送

### 总览摘要: - **研究背景与动机**: - 扩散模型在图像生成领域取得了显著进展，但大多数模型采用卷积U-Net架构作为骨干网络。

Sora 论文

<...75 76 77 787980 81 82 83 84 ...>

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