开源模型应用落地-Qwen2.5-7B-Instruct与sglang实现推理加速的正确姿势
Qwen2.5-7B-Instruct集成sglang，构建多样化的语言模型应用。
新质技术之生成式AI、大模型、多模态技术开发与应用研修班
在当前的科技飞速发展的时代，生成式人工智能、大模型、多模态技术的出现正为企业的数字化转型带来革命性变革。该研修班特别设计了为期四天的课程，从生成式AI的核心概念入手，逐步深入探讨大模型的应用开发以及多模态技术的集成运用。通过此次研修班，学员不仅能获得最新的AI技术知识，还能获得行业权威机构的职业技能
MetaAI最新开源Llama3.2亮点及使用指南
Llama大模型是由Meta的人工智能研究团队开发并开源的大型语言模型，继Llama2+模型之后，Meta进一步推出了性能更卓越的Meta Llama3系列语言模型，包括一个80亿参数模型和一个700亿参数模型。lama370B的性能媲美Gemini1.5Pro,全面超越Claude大杯，而Llam
个性化大语言模型：PPlug——让AI更懂你
在当今数字化转型的时代，大型语言模型（LLMs）已经成为了不可或缺的工具，它们在自然语言理解、生成和推理方面展现了非凡的能力。然而，这些模型普遍采用的是“一刀切”的方式，即对于相同的输入给予所有用户相似的响应。这种方式虽然能够满足大多数情况下的需求，但在需要根据个人偏好定制内容的情境下就显得力不从心
真免费！10 款必备的语言类 AI 大模型
通义千问是阿里云推出的一个大型语言模型，它是通义系列的最新成果，能够回答问题、创作文字，还能表达观点、撰写代码，具备丰富的知识和强大的语言生成能力。它拥有强大的自然语言处理和智能交互能力，能够实现智能问答、聊天互动、文本生成等多种应用场景，并且具有丰富的知识储备，涵盖科学、技术、文化、艺术、历史等领
如何在Windows和Linux系统中通过ollama部署qwen大语言模型，并实现open-webui的访问
如何在Windows和Linux系统中通过ollama部署qwen大语言模型，并实现open-webui的访问
大语言模型与ChatGPT：深入探索与应用
这篇博客的内容围绕大语言模型的工作原理、架构、应用、挑战及未来发展，旨在帮助读者全面了解ChatGPT等大语言模型的实际应用及其发展方向。
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。
数据顾问：大型语言模型的动态数据策划与安全对齐
数据顾问首先生成关于现有数据属性的简明报告，涵盖数据的多维分布。通过查询聚焦的总结，数据顾问能够有效地识别出新生成数据中的安全问题。例如，在安全对齐的背景下，数据顾问会优先考虑数据集中的多样性和安全问题的全面覆盖。
用 API 实现 AI 视频摘要：动手制作属于你的 AI 视频小助手
尝试做一个属于你自己的AI视频总结/摘要小助手！这并不难，即便你不懂任何深度学习的知识，也完全可以做到。
星火智能体创建指南
笔者在偶然的机会发现了一个官方发布的有键盘当作奖品的活动，从而知晓了这个入口。但是文档不是很完善，因此提供了从头创建的过程记录以及简单测评。本文从零使用结构化和编排式进行了创建。较星火模型而言，结构化的智能体文字能力略有优势，图像能力欠佳。编排式创建的定制化程度较高，但是不提供API接口，依托星火运
AI大语言模型进阶应用及模型优化、本地化部署、从0-1搭建、智能体构建技术
在过去几年中，人工智能领域的发展迅猛，尤其是大语言模型的应用，为各行各业带来了前所未有的创新与突破。从ChatGPT-3.5的推出到GPT Store的上线，再到最新的多模态交互ChatGPT-4o，OpenAI不断引领科技潮流，推动AI生态系统的构建。深入理解和掌握大语言模型的前言技术，涵盖了提示
【Python大语言模型系列】开源机器人对话系统框架RASA介绍与使用（案例分析）
开源机器人对话系统框架RASA介绍与使用（案例分析）
开源模型应用落地-Qwen2.5-7B-Instruct与vllm实现离线推理-降本增效（一）
将Qwen2.5模型与vLLM框架进行有效整合，通过离线推理为实际项目带来更大的价值。
AI较量：2024年9月份最新国产大模型与ChatGPT的真实能力测试，谁更胜一筹？
经过上述的测试提问，可以看出来GPT除了在汉字文学上确实稍显逊色。其他的能力实至名归的第一。不过，国产大模型中也确实有一些体现了它们的长处。比如：豆包和文心一言，在汉语文学上的理解是非常通透的。最后说一下我心中的排名吧。TOP1—GPT，实至名归的第一，没有那么多花里胡哨的东西，实打实的算力。TOP
ChatGPT-4o丨AI大语言模型优化、本地化部署、从0-1搭建、智能体构建、多模态、时间序列、目标检测及语义分割
ChatGPT-4o丨AI大语言模型优化、本地化部署、从0-1搭建、智能体构建、多模态、时间序列、目标检测及语义分割
Agent Q：自主 AI 智体的高级推理和学习
24年8月来自MultiOn AGI公司和斯坦福大学的论文“”Agent Q: Advanced Reasoning and Learning for Autonomous AI Agents“。
【ollama 在linux 上离线部署 本地大模型】
简介如何用ollama 在linux部署大模型
人工智能-大语言模型-微调技术-LoRA及背后原理简介
大语言模型的微调技术LoRA及成功背后原理分析文章。
大模型实战一、Ollama+RagFlow 部署本地知识库
通过以上步骤，你已经成功在 Windows 系统上通过 Docker 部署了一个本地化的大模型知识库，结合 RagFlow 和 Ollama，安装了通义千问2 7B 模型和中文 Embedding 模型，构建了一个支持中文问答的系统。这种设置适用于企业内部知识管理、自动化客服、智能问答等场景。
