文章列表-AI魔法学院

文章列表

从零开始了解AI大模型 - 概念篇：一文带你走进大模型世界

紧接着，同年10月，Google推出了基于Transformer Encoder的Bert，在相同的参数规模下，其效果一度超越了GPT1，成为自然语言处理领域的佼佼者。

大模型

一文探秘LLM应用开发-Prompt(相关概念)

当时，大部分企业和研究者选择了基于bert来解决nlp任务，相关bert的研究也是非常的多，网络上关于PLM（预训练大模型）的内容，百分之八十都是与此相关的。

prompt 大模型

释放潜能：大模型与企业微信SCRM系统的完美结合

• 大模型结合：通过利用大规模的数据和计算资源，训练出具有强大的自然语言理解和生成能力的人工智能模型，如GPT-3、BERT等，为SCRM提供更智能和创新的功能，如内容生成、意图识别

SCRM 大模型

总结！大模型微调（Tuning）的常见方法

return_dict=True) model = get_peft_model(model, peft_config) GPT在P-tuning的加持下可达到甚至超过BERT

微调大模型

深入浅出：大语言模型中必不可少的技术——Embedding简介

例如，BERT、ELMo和GPT等大型语言模型可以生成上下文相关的embedding表示，这些embedding可以更好地捕捉单词的语义和上下文信息。

embedding

【一步一步引导】从零详细地梳理一个完整的 LLM 训练流程

bert-base-chinese tokenizer 可视化上述图片来自可视化工具 [tokenizer_viewer]。

大模型训练

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

样例 2 BERT 模型是 Google AI 研究院提出的一种预训练模型，通过预训练 + 微调的方式于多个 NLP 下游任务达到当时最先进水平，如实体识别、文本匹配、阅读理解等。

大模型微调

OCR的终极解法——传统算法VS多模态大模型

· Google的BERT：虽然BERT本身是文本处理模型，但它的变种可以扩展到多模态任务

OCR 大模型文字识别

什么是ChatGPT？

在 BERT 那个年代，为了训练，大家常常把一句话中随机几个单词遮起来，让计算机用现有的模型预测那几个单词，如果预测准了，就继续加强，如果预测错了，就调整模型，直到上百万上亿次训练之后越来越准。

ChatGPT OpenAI 大模型

2023年LLM如何入门？请看这篇综述！

补充一点有趣的，当参数规模超过一定水平时，这些扩大的语言模型不仅可以实现显著的性能提升，还表现出一些特殊的能力，比如上下文学习能力等等，这是小规模语言模型（例如BERT）所没有的，这种现象被称为涌现Emergence

大模型

从零开始了解AI大模型 - 技术篇：万字深度好文人话说大模型技术

然而，在GPT3之前，以BERT为代表的Encoder-only架构才是主流。

大模型

AI大模型LLM可以帮助企业做什么？

2018 年 Google 的研究团队开创性地提出了预训练语言模型 BERT，该模型在诸多自然语言处理任务中展现了卓越的性能。

大模型

如何估计大模型所需要的显存大小？HuggingFace发布Model Memory Calculator，一键计算大模型显存需求

根据官方的说法，最准确的时候，这个工具估算出来的显存大小与实际估计的误差可能也就50MB左右（例如，bert-base-cased模型实际运行需要413.68MB，而这个工具估算的结果是413.18MB

大模型

LangChain: LLM 应用聚焦的两大方向，RAG 和 Agents

当时的情况是 BERT 刚刚出来，Transformer 的魔法还没有蔓延到 CV 领域，所以这哥们提的问题相当于需要单独拎出来几个模型，分别把图像识别、意图识别、用于模拟用户行为的代码生成等等单独做一遍

大模型

MaskGCT：登上GitHub趋势榜榜首的TTS开源大模型

具体来说，使用W2v-BERT 2.0模型的第17层隐藏状态作为语音编码器的语义特征，编码器和解码器由多个ConvNext块组成。

MaskGCT 声音克隆

<1 234 5 6 >

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

© 2023-2024 AI魔法学院

京ICP备20027199号-1