文章列表-AI魔法学院

文章列表

详解大模型RLHF过程（配代码解读）

出自：https://zhuanlan.zhihu.com/p/624589622 一直都特别好奇大模型的强化学习微调是怎么做的，网上虽然相关文章不少，但找到的文章都是浅尝辄止说到用PPO训练，再细致深入的就没有讲了

训练

Pynsist：一键打包 Python 应用代码成 Windows 安装程序

简单易用： Pynsist 的设计理念是简单易用。

Pynsist 程序

无一幸免！OpenAI最强竞对Anthropic：“长上下文”让大模型更不安全

在这种情况下，越狱尝试完全包含在单个提示中，这与多样本越狱攻击的相关性是显而易见的（事实上，多样本越狱攻击可被视为“上下文学习”的一个特例）。

Anthropic 大语言模型

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

然后创建一个新的神经网络模型，即目标模型。

大模型微调

学会这招，一个头像变100种风格！

注意两种效果之间要尽可能比较接近，比如直接从照片风格 Remix 成可爱风就会很难，而从动漫风格过来就比较容易些。

Remix 文生图

预训练对话大模型深度解读

主要能力：开放域闲聊+多技能融合，包含人格化、知识性、共情性等第二代2021年模型结构和第一代相同，沿用2.7B参数量的版本新增能力：联网搜索

百度智能云的Prompt模板

(2)避免歧义，简洁易懂生成式大模型很多时候也和人类的理解能力相似，需要输入一些更明确的指示内容助于理解并执行内容生成，意图不明的模糊指令会让模型生成内容与预期有些偏离，甚至影响原本Prompt指令的生成内容

大模型 prompt

体验完阿里的EMO模型，我emo了

目前在开源界，比较出名的口唇同步框架是 wav2lip[1]，如果是自己部署的话，会比较麻烦，搭环境估计都得折腾个几个小时，很容易在 opencv 的版本上踩坑。

EMO 文生图

大模型微调方法总结

假设模型在任务适配过程中权重的改变量是低秩（low rank）的，由此提出低秩自适应（LoRA）方法，LoRA 允许我们通过优化适应过程中密集层变化的秩分解矩阵来间接训练神经网络中的一些密集层，同时保持预先训练的权重不变

开源模型

LangChain 完整指南：使用大语言模型构建强大的应用程序

这使得在您的应用程序中处理输出数据变得更加容易。

langchain 大模型

真格基金大模型能力测试问题集---垂直能力篇

OpenAI 已经在官网展示了 ChatGPT 的 48 个基本能力，在 NLP 领域，也已经有了 SuperGLUE、MMLU、Google BIG-bench 等被广泛使用的测试集

中文训练大模型

九问中国大模型掌门人，万字长文详解大模型进度趋势

但是自然界还存在视觉、听觉等感官，不容易建模。

大模型详解

【NLP技术分享】文本生成评价指标的进化与推翻

优点 · 它的易于计算且速度快，特别是与人工翻译模型的输出对比； · 它应用范围广泛，这可以让你很轻松将模型与相同任务的基准作对比。

开源模型

造梦师手记：华夏之美，SDXL时代的第一个国风模型和汉服LoRA

尤其是XL对自然语言的理解更加容易，创作者能很容易的用比较口语化的表述来让AI实现自己的想法。

文生图

2024，智谱如何更快？

去年11月时，元象XVERSE科技创始人、腾讯公司前副总裁姚星曾告诉雷峰网，大家都说接近GPT-4，显然不符合实际情况，很多都是刷榜刷出来的，意义不大。

GPT-4 大语言模型

<...25 26 27 282930 31 32 33 34 ...>

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