文章列表-AI魔法学院

文章列表

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

领域大模型-训练Trick&落地思考

总结最后共勉：BERT时代况且还在用TextCNN，难道13B的模型就不叫大模型吗？

垂直训练大模型

一文彻底搞懂多模态 - 多模态推理

· 预训练任务可能包括将BERT经典的MLM和NSP预训练任务扩展到多模态场景等。

多模态推理大模型

大规模训练系列之技术挑战

NLP 领域的大规模训练发展快速，从 BERT 到 GPT-3，再到 Switch Transformer，无论是模型大小还是计算资源占用都在疾速增长。

开源模型

保姆级教程：图解Transformer

Transformer 近两年非常火爆，内容也很多，要想讲清楚，还涉及一些基于该结构的预训练模型，例如著名的 BERT，GPT，以及刚出的 DALL·E 等。

人工智能

从0到1谈谈智能客服系统的设计与实现

· · 文本向量化：使用BERT模型将问题和相似问转化为向量表示。

智能客服

LLM应用架构之检索增强（RAG）的缘起与架构介绍

实际上这个问题比较模糊，比如bert算不算是大模型呢？

LLM

大模型微调方法总结

对于 BERT 类双向语言模型采用模版(P1, x, P2, [MASK], P3)，对于单向语言模型采用(P1, x, P2, [MASK])：同时加了两个改动： 1、考虑到预训练模型本身的

开源模型

检索增强生成 (RAG):What, Why and How?

微调嵌入模型：使用BERT、ada等现成的嵌入模型为数据块生成嵌入可能适用于大多数用例。

检索增强大模型

一文讲明白什么是预训练、微调和上下文学习

像BERT这样的预训练语言模型可以在标有积极或消极情绪的客户评论数据集上进行微调。

大模型训练

构建开源多模态RAG系统

虽然像GPT-3、BERT和RoBERTa这样的大型语言模型在基于文本的任务上表现出色，但在理解和处理其他数据类型时面临挑战。

RAG 大模型

达摩院SPACE对话大模型：知识注入与知识利用

如下图所示，对话理解领域，2019 年 PolyAI 提出了 ConveRT 模型、2020 年 Salesforce 提出了 TOD-BERT 模型、2021 年 JingDong 提出了 DialogBERT

大模型

“大模型+机器人”的现状和未来，重磅综述报告来了！

基础模型主要包括以下几类: 1、大型语言模型(Large Language Models)：如BERT、GPT-3、PaLM等，主要应用于自然语言处理任务。

论文机器人

RAG——使用检索增强生成构建特定行业的大型语言模型

实际上，有超过2个维度 - 对于句子转换器嵌入（句子或文本块通过BERT转换器，输出对应于384个维度的384个数字）。

大模型

RAG检索增强技术在知识库智能检索场景下的应用实践

这个编码模型可以是预训练的语言模型，例如BERT、GPT等。

知识库 RAG检索增强

<1 2 345 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