“AI+Security”系列第2期（一）：对抗！大模型自身安全的攻防博弈
近日，由安全极客、Wisemodel 社区和 InForSec 网络安全研究国际学术论坛联合主办的“AI+Security”系列第 2 期——对抗！大模型自身安全的攻防博弈线上活动如期举行。
AI大语言模型LLM学习-WebAPI搭建
python的web开发框架很多，这里只简单介绍了三款在国内比较流行的开发框架。本博文及后续博文根据各自框架的特点，选择了入手简单的轻量级Flask作为web开发框架。
多模态大模型中的幻觉问题及其解决方案
人工智能咨询培训老师叶梓 转载标明出处多模态大模型在实际应用中面临着一个普遍的挑战——幻觉问题（hallucination），主要表现为模型在接收到用户提供的图像和提示时，可能会产生与图像内容不符的描述，例如错误地识别颜色、数量或位置等。这种误判可能对实际应用造成严重影响，如在自动驾驶场景中，错误的
我的开源项目-AI自生成系统巡检报告项目简介
在介绍AutoGenInspection架构前，我想先简要提及基于规则的系统架构（Rule-Based System Architecture）。在软考系统架构师的学习内容中，包含有基于规则的系统架构的学习，于是我也简单对此架构风格拓展学习了下。基于规则的系统架构是一种以规则集为核心，通过规则引擎来
利用Stable Diffusion AI图像模型评估智能车模型算法表现(下篇)
Amazon SageMaker 是亚马逊云科技提供的一项全托管机器学习服务，帮助开发者和数据科学家轻松构建、训练和部署机器学习模型。SageMaker 提供了全套的工具和基础设施支持，用户无需管理底层的服务器和环境，即可快速处理从数据准备到模型训练再到部署的完整机器学习流程。SageMaker 提
利用AI大语言模型和Langchain开发智能车算法训练知识库(上篇)
Amazon SageMaker 是亚马逊云科技提供的一项全托管机器学习服务，帮助开发者和数据科学家轻松构建、训练和部署机器学习模型。SageMaker 提供了全套的工具和基础设施支持，用户无需管理底层的服务器和环境，即可快速处理从数据准备到模型训练再到部署的完整机器学习流程。SageMaker 提
FunAudioLLM：阿里通义实验室的开源语音大模型项目 - SenseVoice与CosyVoice模型介绍
深入了解FunAudioLLM，阿里巴巴通义实验室开源的先进语音技术项目。SenseVoice和CosyVoice两大模型，以其高精度多语言语音识别、情感辨识和自然语音生成能力，引领语音交互的新时代。本文详细解析了技术原理、社区开发资源，为语音技术爱好者和专业人士提供了指南
AI安全立法：加州新法案的争议与未来影响
正如之前详细探讨过的那样，SB-1047法案要求AI模型的创建者在模型出现“对公共安全和安保构成新威胁”时，尤其是在“缺乏人类监督、干预或管理”的情况下，必须实施一种可以“关闭”该模型的“杀手开关”。不要错过这个机会，成为AI领域的领跑者。在周三宣布立法通过时，该法案的发起人、州参议员斯科特·维纳（
大模型参数规模扩大是趋势
大模型参数规模扩大是趋势，参数规模迈向万亿级。
2024国产AI工具大合集
本文呈现了2024年免费且实用的国产AI工具大合集，涵盖文本生成、图像处理与生成、视频处理与生成、音频处理与生成、搜索与对话等五大类别，助力读者提升工作效率。
自己开源的一个jsonl多轮对话数据集创建器（HTML形式）
自己开源的一个可以帮助你快速构建jsonl多轮对话数据集的工具来了！再也不用在fine tuning时自己手动格式化数据了
AI大模型原理（通俗易懂版）——大语言模型
AI大模型原理——大语言模型
一文了解人工智能顶会IJCAI 2024的研究热点
本文可视化了人工智能顶会IJCAI 2024的研究热点，归纳和总结了热门研究方向，可以为读者跟踪人工智能的研究热点提供一些有价值的参考。
从“数字毕业生“到“AI领航员“：大语言模型的成长之路
在人工智能的浩瀚宇宙中，大语言模型就像是刚刚走出校门的"数字毕业生"。它们虽然已经吸收了海量的知识，但还需要经历一段特殊的"培训期"，才能真正成为能够为人类社会服务的"AI领航员"。让我们一起探索这个神奇的蜕变过程，看看这些数字巨人是如何从懵懂无知到智慧过人的。
JuiceFS 在多云架构中加速大模型推理
下图是一个典型的大模型推理服务的架构。我们可以观察到几个关键特点。首先，架构跨越多个云服务或多个数据中心。目前在大模型领域， GPU 资源紧张，多数厂商或公司倾向于采用多云、多数据中心或混合云的策略来部署他们的推理服务。另一个特点是，为了确保数据一致性和管理的便捷性，会在特定地区选择公有云的对象存储
上海交大洪亮教授：AI 真要突破工程领域，一定要做到现有人类专家做不到的工程成果
与自然界相比，序列相似度全部低于 65%，最低的为 49%，换言之，研究团队对 700 多个氨基酸序列中的 300 多个进行了改造，其中有 23 个有活性，2/3 比野生活性高，最高的野生型达 8.6 倍。在没有数据的情况下，则通过物理模拟器产生精度略低的大量假数据来做预训练，再用真实珍贵的数据进行
大模型应用——PyCharm添加通义灵码插件
通义灵码：一款基于阿里云通义代码大模型打造的智能编码助手，提供行级/函数级实时续写、自然语言生成代码、单元测试生成、代码注释生成、代码解释、研发智能问答、异常报错排查等能力，并针对阿里云 SDK/OpenAPI 的使用场景调优，助力开发者编码。
AI大语言模型的温度、top_k等超参数怎么理解
在AI大语言模型中，温度（Temperature）和top_k是两个重要的超参数，它们主要影响模型生成文本时的多样性、创造性以及可控性。
快乐8 Ai大模型XGBoost LightGBM预测系统
随机森林回归：通过集成多个决策树模型，提高预测的准确性和稳定性。XGBoost：一种基于梯度提升的强大模型，擅长处理结构化数据。LightGBM：一种高效的基于决策树算法的分布式梯度提升框架，具有快速的训练速度和低内存消耗。高预测准确率：通过集成多种模型，提供更为精准的预测结果。多种预测方法：支持同
开源免费大语言模型（LLMs）排行榜
发布方模型大小: 7B, 13B, 30B, 65B 参数特点: 高效、轻量级模型，具有良好的推理性能，能在较小的显存上运行较大的模型。优点训练高效，精度优秀在推理时速度快7B 模型对硬件要求较低缺点: 65B 参数模型需要极高的计算资源。最低配置要求7B 参数: 24 GB 显存 GPU（如 A1
