GPT大模型翻译质量完胜传统机器翻译引擎
为了评估三种不同的机器翻译工具的翻译质量，我们将采用以下五个评价指标来进行量化评分。
AI时代的程序员：如何保持并提升核心竞争力
随着人工智能生成内容（AIGC）技术的快速发展，编程行业正经历深刻变革。AI辅助编程工具如ChatGPT等提升了开发效率，但也引发了部分程序员对工作被取代的担忧。面对这一趋势，程序员可以选择深耕特定领域，或广泛学习多样化技能，以适应技术变化。此外，创造力、沟通能力和问题解决能力等软技能，将成为AI无
使用 MongoDB 构建 AI：Devnagri 通过机器翻译帮助 13 亿人口享受网络生活
Devnagri选择MongoDB作为机器翻译模型的数据库平台，凭借其极具灵活性的文档数据模型和可扩展型的分布式架构，加快产品推向市场的速度，优化产品的性能和质量。
从零入门AI for Science（AI+化学）#Datawhale夏令营
关于随机森林（想细致了解可以看一下下面这两位博主）是 Datawhale 2024 年 AI 夏令营第三期的学习活动，基于天池平台开展的实践学习有感兴趣的同学可去http://competition.sais.com.cn/competitionDetail/532233/format（赛事网址）了
基于Transformer解决机器翻译任务学习笔记记录#AI夏令营 #Datawhale #夏令营
基于循环或卷积神经网络的序列到序列建模方法是现存机器翻译任务中的经典方法。然而，它们在建模文本长程依赖方面都存在一定的局限性。对于卷积神经网络来说，受限的上下文窗口在建模长文本方面天然地存在不足。如果要对长距离依赖进行描述，需要多层卷积操作，而且不同层之间信息传递也可能有损失，这些都限制了模型的能力
Datawhale AI 夏令营 机器翻译Task
机器翻译技术的发展反映了人工智能技术的进步。从最初的基于规则的方法，到统计方法，再到如今的深度学习方法，每一步都在朝着更智能、更高效的方向迈进。在实际应用中，我们需要根据具体任务选择合适的方法，并结合最新的研究成果，不断优化翻译效果。在参与比赛和实际项目时，理论知识与实践操作的结合尤为重要。通过动手
Datawhale AI夏令营- 讯飞机器翻译挑战赛: 基于transformer框架实现
本文章基于使用了transformer模型去实现了一个英译中的模型,并参加了讯飞科大的NLP翻译比赛。
【人工智能】自然语言处理(NLP)的突破，关注NLP在机器翻译、情感分析、聊天机器人等方面的最新研究成果和应用案例。
自然语言处理（NLP）作为人工智能的一个重要分支，近年来取得了显著的突破，特别在机器翻译、情感分析、聊天机器人等领域取得了显著的研究成果和广泛的应用。以下是对这些领域最新研究成果和应用案例的概述，并附带相应的代码实例。
【Datawhale AI 夏令营】基于术语词典干预的机器翻译挑战赛——机器翻译入门极速版【笔记】
自然语言处理（Natural Language Processing，简称NLP）是人工智能和语言学领域的一个分支，它使计算机能够理解、解释和生成人类语言。语音识别：将语音转换为文本，这是NLP的第一步，它允许计算机“听到”人类语言。自然语言理解（NLU）：使计算机能够理解语言的含义，包括语义、语法
Datawhale AI夏令营- 讯飞机器翻译挑战赛baseline解析
本文介绍了训练机器翻译挑战赛的赛题,以及基于datawhale的baseline写了一篇解析。通过seq2seq完成了一个机器翻译模型的搭建
解密人工智能：语言理解与机器翻译技术的革命
1.背景介绍人工智能(Artificial Intelligence, AI)是一门研究如何让计算机模拟人类智能的学科。自从1950年代以来，人工智能一直是计算机科学领域的一个热门话题。然而，直到最近几年，人工智能技术才开始真正取得了显著的进展。这一进展主要归功于深度学习(Deep Learning
【年度总结】AI--2023年度大事记
AI 2023年度大事记
人工智能-机器翻译：技术发展与代码实战
在本文中，我们深入探讨了机器翻译的历史、核心技术、特别是神经机器翻译（NMT）的发展，分析了模型的优化、挑战及其在不同领域的应用案例。同时，我们还提出了对未来机器翻译技术发展的展望和潜在的社会影响。
注意力机制（五）：Transformer架构原理和实现、实战机器翻译
注意力机制（Attention Mechanism）是一种人工智能技术，它可以让神经网络在处理序列数据时，专注于关键信息的部分，同时忽略不重要的部分。在自然语言处理、计算机视觉、语音识别等领域，注意力机制已经得到了广泛的应用。注意力机制的主要思想是，在对序列数据进行处理时，通过给不同位置的输入信号分
Transformers实战——使用Trainer类训练和评估自己的数据和模型
使用Transformers中的Trainer类训练自己的模型
科研工具-论文写作翻译软件优缺点介绍
当今，科研学习已经成为人们生活中不可或缺的一部分，而随着全球化的发展，跨语言沟通也变得越来越重要。翻译软件因此也变得越来越普及。针对科研学习中的翻译需求，目前市面上涌现了许多优秀的翻译软件，它们可以辅助我们快速准确地翻译文章、报告、论文等各种文本。本文将介绍目前主流的科研学习翻译软件，包括谷歌翻译、
【手撕Transformer】Transformer输入输出细节以及代码实现（pytorch）
文章目录举例讲解transformer的输入输出细节encoderpaddingPadding MaskPositional EmbeddingattentionFeedForwardadd/Normencoder输入输出decoderSequence Mask测试Transformer pyto
关于Attention的超详细讲解
文章目录一、动物的视觉注意力二、快速理解Attention思想三、从Encoder-Decoder框架中理解为什么要有Attention机制四、Attention思想步骤五、Self-Attention5.1 Self-Attention的计算步骤5.2 根据代码进一步理解Q、K、V5.3 再来一个
【自然语言处理（NLP）】基于序列到序列的中-英机器翻译
【自然语言处理（NLP）】基于序列到序列的中-英机器翻译，基于百度飞桨开发，参考于《自然语言处理实践》所作。
Chrome浏览器内置翻译功能突然失效(自动翻译失败)解决方案
Chrome浏览器内置翻译功能突然失效(自动翻译失败)解决方案
- 1
- 2
