文章列表-AI魔法学院

文章列表

图解大模型训练之：张量模型并行(TP)，Megatron-LM

今天我们将要介绍最重要，也是目前基于Transformer做大模型预训练最基本的并行范式：来自NVIDIA的张量模型并行(TP)。

开源模型

七问大模型幻觉｜LLM Hallucination

幻觉现象的存在严重影响LLM应用的可靠性，本文将探讨大型语言模型(LLMs)的幻觉问题，以及解决幻觉现象的一些常见方法。

大模型

文心一言大模型使用指南

今天分享『文心一言』大模型的使用和相关功能介绍。

文心一言百度

中国大模型「顶流群聊」笔记

因此，在这波大模型浪潮中跑出来的公司首先要有算力，几个人、几十张卡的「禀赋」，还是去选择调用中心化的大模型可能更务实。

大语言模型

最新最全的开源中文大语言模型列表

，包含了一系列基于已有开源模型（ChatGLM, MOSS, LLaMA）进行二次微调的语言模型，指令微调数据集等。

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

大模型对显卡资源的消耗是很大的。

大模型

中文对话大模型BELLE全面开源！（附：数据+模型+轻量化）

-7b1-mt（70亿参数）为基础，分别在20万，60万，100万，200万数据上进行指令微调后得到的模型Checkpoint。

belle 训练大模型

从第一性原理看大模型Agent技术

人们通过描述角色技能、任务关键词、任务目标及任务背景，告知大模型需要输出的格式，并调用大模型进行输出。

大模型 agent

国内外开源大语言模型一览表

ProactiveHealthGPT，包括：经过千万规模中文健康对话数据指令微调的生活空间健康大模型扁鹊（BianQue）经过百万规模心理咨询领域中文长文本指令与多轮共情对话数据联合指令微调的心理健康大模型灵心

大模型

大模型能力快速测评极简题目

玉皇大帝住在平流层还是对流层？

大模型

大模型：泛化即智能，压缩即一切

如果你认同Scaling Law定律，你就应该相信通过大量不同的数据来追求长期的模型泛化能力比短期的通过巧妙的模型微调更重要，这个想法在机器学习先驱 Rich Sutton 《苦涩的教训》中也有所体现。

大模型泛化

预训练对话大模型深度解读

其实它只是一个数学模型，它强大的原因是：用到的计算量很大、数据量很大、训练语言模型的方法比以前好。

面向知识图谱的大模型应用

for Parallel Function Calling》(https://arxiv.org/abs/2312.04511), 颇受启发，或许可以通过LLM Compiler 实现已有知识图谱系统的大模型赋能

知识图谱大模型

回望做大模型一年后的感悟

没有“百模大战” “百模大战”这个词在过去一年被反复提及，但大家似乎混淆了所谓“模型”的概念。

大模型感悟

垂直领域大模型的思考

本文将系统介绍如何做一个垂直领域的大模型，包括继续预训练，领域微调数据构建，减缓幻觉，知识召回多个方面。

垂直领域大模型

<...2 3 4 567 8 9 10 11 ...>

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