AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
优雅谈大模型：揭开计算机视觉任务神秘面纱
原创人工智能在第四次工业革命发挥着至关重要的作用，它广泛的融入日常生活，例如Google助手、Siri、智能手机摄像头、社交媒体过滤器、自动标记、医疗成像、导航等，所有这些技术都切实的改进和增强日常活动的便利性和习惯。大模型技术发展到现在已经趋于稳定，而加入视觉的多模态大模型才开始兴起，它除了日常生活，还会广泛的融入到工业智造、无人驾驶和机器人等领域。这里计算机视觉就十分重要，它在捕获实时图像、提炼知识以及...模型计算机视觉深入理解思维树 (ToT)策略提示词设计
原创 精华Prompt的技巧策略应适应LLM大模型框架进行改进，主要框架包括链式思考、思维树和检索增强生成。本文将深入学习思维树，探讨如何建立解决通用问题的语言模型，并使LLM深思熟虑地解决问题。思维树是进化版的提示策略，引入复杂思维结构，以引导模型生成准确、连贯的输出。一、何为思维树(ToT)想象一下，你正在驾驶一辆汽车，没有地图的情况下如何进入正确的路口，找到最佳的路径？在这样的场景下，思维树就像是一张详细的道路地图...大模型思维树简化大模型微调门槛：运用Ludwig低代码框架的平台技术实战
原创在人工智能的璀璨星河中，大型语言模型（LLMs）犹如引领方向的灯塔。但要让这些灯塔照亮特定领域，微调技术成为了关键。今天，我们将深入探索Ludwig框架微调与预训练技术，它们正以革新的方式，重塑AI模型微调的领域。一、Ludwig简介在AI的世界里，简单性和灵活性是构建强大模型的关键。Ludwig作为一个开源的低代码框架，用于构建自定义AI模型，如LLM和其他深度神经网络。让这一过程变得像搭积木一样简单。仓库地址：https:...大模型Ludwig框架AI Agent LangGraph：LangChain - AI新时代的构建者
原创在探索人工智能的无限可能中，构建智能代理（Agents）已成为技术发展的新前沿。LangChain的最新扩展——LangGraph以其独特的技术架构构建方式，为AI领域的创造带来了前所未有的灵活性和控制力。一、LangGraph的架构之美LangGraph的诞生，不是偶然，它是在LangChain坚实基础上的自然延伸。作为一个扩展库，它与LangChain的现有组件水乳交融，共同绘制了AI发展的新蓝图工作流程：通过精确定义图的节点与边，LangGraph将复杂的基于...知识图谱大模型李彦宏、王坚、傅盛、周伯文、徐立，AI界大佬、明星都释放了哪些信号？
出品51CTO技术栈（微信号：blog51cto）2024年世界人工智能大会（WAIC）在上海开幕，为期三天的大会人头攒动，人们对于人工智能的热情犹如7月翻滚的热浪。围绕"以共商促共享，以善治促善智"的主题，此次大会强调对人工智能全球治理及国际合作的关注。国务院总理李强出席开幕式并致辞。李强指出，中国始终积极拥抱智能变革，大力推进人工智能创新发展，高度重视人工智能安全治理，实施了一系列务实举措。会上，众多的企业创始人、...李彦宏AI界马斯克快手开源图生视频模型LivePortrait，等待生成时间仅需10秒，弃扩散改用隐式关键点框架技术，网友：强得可怕
原创编辑伊风出品51CTO技术栈（微信号：blog51cto）快手开源了LivePortrait模型！要知道，可灵的文生视频和图生视频功能不仅备受关注，还一路火到了海外。这次开源的LivePortrait效果也十足惊艳！虽然驱动肖像生成视频的技术并不算新鲜，但还是靠效果征服了观众。图片网友直呼，“太可灵了”。根据推测，这个技术很可能已经在快影接入的可灵模型里应用了一段时间了。毫无疑问，此次开源大大降低了拥有自己数字人的门槛！更妙的是，...快手开源图视频模型揭秘YOLO-World：颠覆传统，开启实时开放词汇检测新时代
引言：在人工智能与计算机视觉的交叉领域，目标检测一直是一个备受关注的研究热点。然而，传统的目标检测方法往往受限于预定义的类别，无法应对复杂多变的现实场景。如今，腾讯人工智能实验室推出的YOLOWorld模型，以其独特的开放词汇检测能力，正引领着目标检测领域的新一轮变革。本文将为您深入解析YOLOWorld的原理、特点以及应用场景，带您领略这一创新技术的魅力。一、YOLOWorld：实时开放词汇检测的新星YOLOWorld，作为腾...人工智能计算机视觉「多模态大模型」解读 | 突破单一文本模态局限
原创 精华编者按：理想状况下，世界上的万事万物都能以文字的形式呈现，如此一来，我们似乎仅凭大语言模型（LLMs）就能完成所有任务。然而，理想很丰满，现实很骨感——数据形态远不止文字一种，大多数数据也不是以文本的形式呈现的，我们日常接触到的数据涵盖了图像、视频、音频、语音（imagesorvideo,audio,speech）等多种形态，形式丰富多元。因此，能够同时理解和处理多种数据形式的多模态大语言模型（MultimodalLargeLanguageModel...AILLMs多模态大语言模型仅需1分钟，文本生成高质量3D模型—Meta 3D-Gen
精华全球社交、科技巨头Meta发布了全新文生3D模型——Meta3DGen。用户通过Meta3DGen仅需1分钟就能生成人物、动物、道具、服饰、工业设计等不同类型的高质量3D模型。Meta3DGen不仅生成的内容是高分辨率的纹理和材质贴图，还支持物理渲染光影效果非常好，适用于游戏开发、电影制作、虚拟现实、建筑设计等领域，帮助开发人员节省大量时间。多视图到3D重建多视图到3D重建是Meta3DGen的两大核心模块之一，主要将用户输入的文本提示转换为...3D模型哈佛、麻省推出面向医学多模态助手—PathChat
哈佛医学院、麻省理工学院、俄亥俄州立大学韦克斯纳医学等研究人员联合推出了，面向医学领域的多模态AI助手——PathChat。PathChat不仅能理解、分析复杂的医学图像，还能基于多轮文本对话，为临床医生、医护人员提供精准和个性化的病理学指导。论文地址：https:www.nature.comarticless41586024076183为了提升PathChat的多功能处理能力，使用了一个多模态架构由视觉编码器、多模态投影和大语言模型三大块组成。视觉编码器充当Pa...PathChatAI对标GPT-4o！不锁区、支持手机、免费使用，Moshi来啦！
7月4日凌晨，法国知名开源AI研究实验室Kyutai在官网发布了，具备看、听、说多模态大模型——Moshi。Moshi功能与OpenAI在5月14日展示的最新模型GPT4o差不多，可以听取人的语音提问后进行实时推理回答内容。但GPT4o的语音模式要在秋天才能全面开放使用，而Moshi已经提供使用了。「AIGC开放社区」已经亲自测试，Moshi不锁区，填写一个邮箱地址就能直接使用，无需任何等待。值得一提的是，Moshi是支持手机移动端使用的，只不过对普...AI模型微软开源GraphRAG：极大增强大模型问答、摘要、推理
7月3日，微软在官网开源了基于图的RAG（检索增强生成）——GraphRAG。为了增强大模型的搜索、问答、摘要、推理等能力，RAG已经成为GPT4、Qwen2、文心一言、讯飞星火、Gemini等国内外知名大模型标配功能。传统的RAG系统在处理外部数据源时，只是简单地将文档转换为文本，将其分割为片段，然后嵌入到向量空间中，使得相似的语义对应相近的位置。但这种方法在处理需要全局理解的海量数据查询时存在局限，因为它过度依赖局部文本片...模型开源科学美国人: 大模型永远不会停止幻觉
去年夏天，一名联邦法官对纽约市一家律师事务所处以5,000美元的罚款，原因是一名律师使用人工智能工具ChatGPT起草了一起人身伤害案件的摘要。文本中充满了虚假信息，包括超过六个完全捏造的过去案例，旨在为人身伤害诉讼建立判例。斯坦福大学（StanfordUniversity）和耶鲁大学（YaleUniversity）的研究人员在最近对三种流行的大语言模型（LLM）的研究预印本中发现，类似的错误在人工智能生成的法律输出中非常普遍。当生成式AI模...模型人工智能生成器大语言模型的前世今生：万字长文完整梳理所有里程碑式大语言模型（LLMs）
本篇博客全面汇总了大型语言模型（LLMs）。从早期的预训练神经语言模型开始，探讨了它们的起源和发展。重点讨论了Transformer架构及其三个主要分类：仅编码器PLMs、仅解码器PLM和编码器解码器PLM。接着，文章聚焦于GPT、LLaMA和PaLM这三大LLM家族，阐述了它们的特点和对语言模型领域的贡献。此外，还涉及了其他重要的LLMs，展现了该领域的广泛性和多样性。这篇博客不仅是对LLMs历史和模型做了完整的梳理，也突出了它们在自然语...模型论文智能推理新路径：组合优化在生成式AI中的前沿探索
尽管LLMs在生成自然语言文本方面表现出色，但在推理任务中的表现却不尽如人意。推理任务需要模型具备更高层次的认知能力，包括逻辑推理、因果关系分析和战略规划等。然而现有的LLMs在这些方面的能力有限，主要表现在缺乏深度推理能力，LLMs在处理复杂推理任务时，往往依赖于简单的模式匹配和统计规律，缺乏真正的逻辑推理能力。易受幻觉影响，LLMs在生成文本时，有时会产生与事实不符或无意义的内容，这被称为“幻觉”现象。这...AI组合优化难倒吴恩达的LLM评估，有解吗？
吴恩达提出LLMasaJudge的几点困境吴恩达老师提出了大语言模型评估的两种主要类型是非性评估（具备明确的非对即错的响应）质量性评估（结果只存在好坏程度的标准）基于以上两类的评估类型，吴恩达提出了使用如下几点困境。创建用于测量LLM的有标记的测试集成本高昂在评估LLM性能时，创建一个有标记的测试集是非常必要的。然而，手动标记数据集不仅耗时，而且成本高昂。这对资源有限的团队来说是一个巨大的挑战。人类专家来评估改...吴恩达LLM技术时序预测Decoder中的时间步依赖问题
今天跟大家聊聊一个近期相对冷门的研究点：Decoder中的预测时间步依赖问题。目前主流的时间序列预测模型，Decoder一般采用一个简单的MLP网络，输入Encoder的表征，映射到预测结果。但是，这种建模方法并没有考虑到各个预测时间步之间的关系，可能导致在预测阶段不满足时间序列的平滑性。在更早的深度学习时间序列预测工作中，一般会将上一个时刻的预测结果或者真实结作为下一个时刻的输入，自回归的逐步进行预测。这种建模方法...Decoder依赖问题解码Gptpdf：一个简单巧妙的复杂Pdf解析工具，提升RAG效果
在构建RAG应用时，一个核心的工作就是构建知识库，进而以便于在实际进行问答时能够更准确地检索到文档内有关于问题的相关上下文信息。而知识库文档的一大来源来自于pdf格式文件，这类文件通常是富文本的，包含图片，表格等，且无法直接解析，必须通过一些技术手段将其拆分识别形成可被后续处理的文本文件，如text或markdown。“Quilityin，QuilityOut”是构建高质量RAG的指导思想，因此，文档处理流程第一步——加载解析就变得...解析工具RAG大模型训练数据的收集方式，以后企业最重要的资产不是厂房而是数据
原创“大模型的本质，是一种能够处理特定类型任务的数学模型”现在大模型可以说是人工智能的代表，但目前的大模型还只是一种基于数学逼近算法的概率统计模型。因此，其需要大量的训练数据来让模型学习，找到其中的规律，然后就有了大模型。因此，也间接说明了训练数据的重要性。那么应该怎么收集训练数据呢？01、收集训练数据的渠道马云说：“二十一世纪是大数据时代，数据是一家企业最重要的生产资料”。而在人工智能时代来临的时...大模型AI怎么使用langchain加载模型？langchain加载模型的几种方式
原创在前面关于怎么在大模型之上构建应用的文章中，简单介绍了langchain的功能以及几个核心模块，今天就其模型的功能模块介绍一下怎么加载模型。langchain的官网架构图目前来说langchain加载模型主要有三种形式：加载第三方模型服务，比如openAI，阿里云通义千问，百度文心一言，chatGLM开源模型等。包主要在langchain.llms中，代码如下所示：fromlangchain.llmsimportChatGLM创建chatGLM模型endpointurl是chatGLM服务地址g...langchain大模型
