AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
预测未来模型能力！微调揭示LLM涌现能力的关键
原创预测未来模型能力！微调揭示LLM涌现能力的关键在加州大学伯克利分校的智慧殿堂中，一群天才研究者们正试图解开现代大型语言模型（LLM）扩展中的一个根本性难题：涌现能力的不可预测性。想象一下，你正在训练一个语言模型，它的预训练损失随着计算量的增加而可预测地下降，就像一个乖巧的学生按部就班地学习。但当涉及到下游任务时，情况就变得复杂了——有时模型会在某个看似随机的点上突然“开窍”，这种“涌现”现象让预测未...微调LLM五款小型多模态AI模型及其功能
原创
社区头条在过去几年里，我们已经见证了大型语言模型（LLM）的飞速发展，数十亿个参数的基础助力它们成为分析、总结和生成文本及图像，或者创建聊天机器人等任务的强大工具。所有这些功能都有一些明显的限制，特别是如果用户没有足够的资金或硬件来容纳这些LLM所需的大量计算资源。在这种情况下，小型语言模型（SLM）应运而生，为资源受限的用户提供了所需服务。现在，随着人们对能够同时处理不同类型数据（图像、文本、音频和视频）的多...大型语言模型LLM人工智能文档截图嵌入统一多模态检索方法原理
原创 社区头条本文单独来看看检索部分的多模态嵌入部分。（a）传统方法；（b）本文方法局限性：现有的检索范式缺乏跨模态的统一编码过程，导致两个问题：预处理工作繁琐：需要专门的处理来应对各种文档类型和内容模态，而这些处理往往不完美。例如，HTML文件由于其多样的结构，复杂性较高，使得单一工具难以准确解析所有信息。同样，ppt和PDF通常需要OCR模型来提取文本并分别处理其他内容类型，如表格和图表。处理这些长尾问题较为复杂。破坏...多模态RAG一文彻底搞懂机器学习 - 逻辑回归（Logistic Regression）
原创 社区头条
热门内容榜 • 最近上榜在机器学习中，逻辑回归（LogisticRegression）尽管名称中带有“回归”，但实际上是一种专为二分类问题设计的线性模型。逻辑回归的实现基于线性回归模型，并在此基础上引入了sigmoid函数作为映射工具。Sigmoid函数的作用是将线性回归的输出（其值域原本为整个实数范围）巧妙地压缩至（0,1）区间，从而该输出可以被解释为属于某一类别的概率。LogisticRegression一、逻辑回归逻辑回归（LogisticRegression）是什么？逻辑回归是一...机器学习从频率到细节：ConsisID实现无缝身份一致的文本到视频生成
社区头条文章链接:https:arxiv.orgabs2411.17440项目链接:https:pkuyuangroup.github.ioConsisID亮点直击提出了ConsisID，一个基于DiT的免调优（tuningfree）身份保持IPT2V模型，通过频率分解的控制信号来保持视频主角的身份一致性。提出了一种分层训练策略，包括粗到细的训练过程、动态Mask损失（dynamicmaskloss）以及动态跨脸损失（dynamiccrossfaceloss），共同促进模型训练并有效提升泛化能力。大量实验表明，受益于我们的频率感知...AI视频生成OpenAI满血o1深夜炸场！10秒搞定博士级难题！奥特曼重申：AI没有墙！
原创 社区头条出品51CTO技术栈（微信号：blog51cto）满血o1这不就来了吗？！OpenAI的“圣诞大礼包”第一天就众望所归！不到15分钟的直播总结一下：发布了可以做多模态推理的满血版o1以及200美元一月的ChatGPT大会员！图片首场发布会，除了奥特曼以外，还有o1模型的带头人JasonWei和HyungWonChung等，介绍了o1预览版发布后三个月后的提升。图片毫无疑问，满血o1让人印象深刻！看跑分：满血版o1无论在数学还是编程上，能力都又上了一个台阶。看...OpenAIo1AI【AI模型对比】AI新宠Kimi与ChatGPT的全面对比：技术、性能、应用全揭秘
社区头条 热门内容榜 • 最近上榜随着AI技术的不断成熟，越来越多的AI模型涌现出来，满足不同领域和用户的需求。Kimi大模型和ChatGPT作为其中的佼佼者，凭借其强大的功能和广泛的应用场景，吸引了大量用户的关注和使用。然而，两者在技术实现、应用领域以及性能表现上存在诸多差异，本文将通过详细的对比分析，帮助读者深入理解这两款AI模型的独特之处，进而做出最佳选择。技术背景Kimi人工智能的技术积淀Kimi人工智能是一个国产AI项目，依托于国内强大的技术积...AI模型ChatGPT漫画大模型简史
社区头条时间的从1943年说起，沃伦·麦卡洛克（WarrenMcCulloch）和沃尔特·皮茨（WalterPitts）提出了人工神经元模型，也就是阙值逻辑单元（TLU），这是神经网络研究的基础。就是下面这两位大神，意外的发现尽管相差25岁，竟然同一年去世...而Pitts竟然是一位非常非常i的人，i到哪怕给钱都不愿意让别人知道名字的地步...而TLU长下面这样：1950年：图灵发表了《计算机器与智能》，提出了著名的“图灵测试”，即如果一台机器能在对话中让...大模型GPT-3.5架构多模态RAG构建指南：为AI系统提供更多可能性
原创 社区头条本文提供了关于如何使用Milvus构建多模态RAG系统以及如何为AI系统开辟各种可能性的深入指南。局限于单一的数据格式已经逐渐落伍。随着企业越来越依赖信息来做出关键决策，他们需要能够比较不同格式的数据。幸运的是，传统的限于单一数据类型的人工智能系统已经让位于能够理解和处理复杂信息的多模态（Multimodal）系统。多模态搜索和多模态检索增强生成（RAG）系统近年来在这一领域取得了很大进展。这些系统能够处理多种...人工智能多模态RAG向量数据库Llama 3.1 70B AQLM-PV版发布！大模型压缩后可在24GB显存GPU上本地运行！！
Llama3.170B参数模型无疑是一个非常优秀的模型。不仅是基准测试证明了这一点，现实世界中的应用也毫无疑问地证明了它的表现与封闭源的知名模型相媲美，比如OpenAI的GPT4、Anthropic的Claude和Google的GeminiPro。这也是为什么我看到有许多组织努力将这个70B参数的模型移植到普通GPU上，特别是那些显存为24GB或以下的设备。在这篇文章中，我将向大家展示一个全新的微调模型，叫做MetaLlama3.170BInstruct，使用了AQLM。如果你还...Llama 3.1GPU显存精通大型语言模型的准确性：如何测试、检测和修复AI模型的幻觉
精华 社区头条 热门内容榜 • 最近上榜大语言模型（LLM）就像那个过于自信的朋友：听起来权威满满，但偶尔会说些不靠谱的内容。在人工智能领域，我们将这种现象称为“幻觉”（Hallucination）。当构建AI产品时，幻觉可能会将原本令人期待的用户体验变成令人沮丧的过程，甚至可能导致传播错误信息。本文将引导你如何识别、测试和评估LLM中的幻觉，并提供清晰的流程、实用的技巧以及工具（包括一些有趣的代码示例），帮助你控制AI的“创造力”。什么是LLM中的幻觉？幻...语言模型AIOpenAI VS Deepmind：年度最大AI对决！
OpenAI和Deepmind在pk了？红方：openai从明天开始“OpenAI的12天”，每天都会有直播活动，展示新产品和演示。目前社区猜测可能发布的产品，如O1full、Sora视频模型和GPT4.5。openai挖走了deepmind的3名高级工程师，他们在视觉方面的研究，目前落后于最近的SOTA视觉方法，像ViT、SigLIP、PaliGemma这些开源模型，开始抢人大战。蓝方：deepmindGenCast天气模型代码和模型开源，GoogleDeepMind在《自然》杂志上发布了一个AI天气预...OpenAIDeepmindAIReal-Time Voice Cloning：5 秒解锁声音克隆，凭啥斩获 52.9k Stars？
精华如今，人工智能发展势头迅猛，新技术、新应用如雨后春笋般不断涌现。在这片科技浪潮里，语音克隆技术格外亮眼，就像一颗闪闪发光的宝石，正一点点改变着我们生活中和声音有关的方方面面，不管是影视配音、语言学习辅助，还是智能语音交互，它都有用武之地。今天，咱们就一起好好探究下一款很有代表性的实时语音克隆工具——RealTimeVoiceCloning。一、RealTimeVoiceCloning简介CorentinJ的RealTimeVoiceCloning项目是一个开创性...声音克隆语音大语言模型评测中的评价指标：方法、基准和最佳实践
社区头条 热门内容榜 • 最近上榜无论是通过微调提高模型准确性，还是增强基于检索的生成（RAG）系统的上下文相关性，对于任何希望构建鲁棒的大语言模型（LLM）应用的人来说，评估LLM输出都是至关重要的。但对许多人而言，LLM评估仍然是一项具有挑战性的任务。了解如何为你的用例开发和选择合适的LLM评估指标集，对于构建一个鲁棒的LLM评估系统至关重要。本文将教你关于LLM评估指标需要了解的一切，包含代码示例。我们将深入探讨：什么是LLM评估指标，如何使用...大语言模型LLM一篇RAG噪声分析的综述
嘿，大家好！这里是一个专注于AI智能体的频道！今天分享一个针对RAG噪声的综述，中文标题为：潘多拉魔盒还是阿拉丁神灯：揭示RAG噪声在大型语言模型中作用的综合分析Pandora’sBoxorAladdin’sLamp:AComprehensiveAnalysisRevealingtheRoleofRAGNoiseinLargeLanguageModels检索增强生成（RAG）已成为解决大型语言模型（LLMs）幻觉问题的关键方法。尽管近期研究已将RAG模型扩展到复杂的噪声场景中，但这些探索往往局限于有限的噪...RAG噪声模型AI大模型实践之字节0-1智能客服
原创之前朋友做过的智能客服项目，今天整理脱敏出来帮大家做一个项目参考，整个工作流已经细分好，大家跟着自己实操做一遍，完善并且补充自己的项目经历，提高简历的含金量和通过率！✅需求分析：随着TiDB和TiDBCloud用户的增长，支持人员数量不足，超过50%的用户问题可在官方文档中找到答案，但文档内容繁多，用户难以找到所需信息，因此需要构建集成官方文档知识的机器人。🛅了解LLM的能力与限制：能力：包括理解语义、逻辑推理、...AI大模型大模型长文本所面临的主要问题
原创“大模型上下文窗口的根本问题，是大模型的记忆问题”在上一篇文章中主要介绍了大模型的上下文窗口，以及其与RAG技术的关系与区别；而事实上，大模型上下文窗口面临着更加复杂的问题，因此今天就来详细讨论一下这个问题。大模型长文本大模型（如GPT4、GPT3.5、BERT等）处理长文本时面临一些特殊的挑战和技术细节。对于长文本的处理，常见的问题包括模型的输入长度限制、生成质量控制、计算资源消耗等。以下是一些关于大模型处...大模型浅看大模型用于Text2SQL的综述
原创前言我们来看看大模型在text2sql上的一篇综述，大模型的发展，出现了一系列新方法，主要集中在提示工程（promptengineering）和微调（finetuning）上。这篇综述提供了LLMs在TexttoSQL任务中的全面概述，讨论了基准数据集、提示工程、微调方法和未来的研究方向。Text2SQL利用大型语言模型（LLMs）解决文本到SQL任务的方法，主要包括提示工程和微调两大类。1.提示工程提示工程通过设计结构化的提示，使LLMs能够理解任务需求并生成...Text2SQL提示工程微调快手前端动效大揭秘：告别低效，vision平台来袭！
社区头条导读：动效平台作为快手举办大型线上活动的坚实后盾，发挥着承上启下的关键作用。本篇文章将全方位地为您呈现Vision动效平台的整体架构及其演进思路，为您揭开这一强大平台的神秘面纱。一、前言本系列文章从我们在Vision动效平台中做的一些工作为切入点，计划通过多篇文章全面展现我们的工作成果。首篇将阐述Vision动效平台的整体演进思路，聚焦于平台的核心能力，为读者勾勒出我们在动效领域的初步布局。随后，我们将详细介绍...前端高效使用Cursor以实现10x编程
原创 社区头条译者布加迪审校重楼出品51CTO技术栈（微信号：blog51cto）在生成式人工智能时代，我们的许多工作已发生了巨大的变化，这包括编程工作，大语言模型（LLM）极大地促进了这个过程。最近，许多基于生成式人工智能的代码辅助工具已纷纷亮相。许多工具执行同样的任务，但有一款工具备受公众的关注，那就是Cursor。Cursor是一款基于AI的代码编辑器，旨在让开发人员可以致力于改善工作体验，而不是仅仅修复代码。Cursor对开发人员大有帮...Curso编程AI
