大模型应用中一个 Token 占多少汉字？答案超乎想象！
原创 Soyoger AI技术研习社 2024年07月14日 09:00 美国先说答案：不同模型可能采用各自的切分方法，因此，一个 Token 所对应的汉字数量也会有所不同。如腾讯1token≈1.8个汉字，通义千问、千帆大模型等1token=1个汉字，对于英文文本来说，1个token通常对应3至4
Nature新晋子刊！一年直升1区TOP，IF还在蹭蹭涨！赶紧抓住扩刊红利期
而言当然是低很多，但是预计明年IF值能破10分，现在有扩刊趋势，各位同领域的学者们可考虑一下这本潜力新刊！此刊作为Nature旗下的新晋期刊，在影响力和排名上表现良好，影响因子8.1分，属于地球科学1区Top期刊。《通讯地球与环境》创办于2020年，是Nature旗下的新晋期刊，位于中科院1区Top
LLM Continue Pretrain（2024版）
deepseek的开源moe，也做得非常不错，应该是国内开源top了，他们的pretrain团队做得挺棒的 但算法为主的，做pretrain，往往就是洗数据了。尴尬的点是，预训练洗数据，因为数据量大，往往都是搞各种小模型+规则，很难说明你做的事情的技术含量，只能体现你对数据的认知很好。语言类的dom
2区TOP审稿“超亲民”！平均5天就上线！硕博友刊不是吹的~
的理论贡献，包括但不限于：架构、学习方法、网络动态分析、学习理论、计算学习理论、模糊逻辑、遗传算法、信息论、机器学习、神经生物学和模式识别的跨学科主题。期刊自2015年突破1000篇后，就“刹不住车”，曾一度直线上升到1800+后，本以为会持续扩刊，可是后续经过积极地调整，最近一年的发文量又回归了。
【果蔬识别】Python+卷积神经网络算法+深度学习+人工智能+机器学习+TensorFlow+计算机课设项目+算法模型
果蔬识别系统，本系统使用Python作为主要开发语言，通过收集了12种常见的水果和蔬菜（‘土豆’, ‘圣女果’, ‘大白菜’, ‘大葱’, ‘梨’, ‘胡萝卜’, ‘芒果’, ‘苹果’, ‘西红柿’, ‘韭菜’, ‘香蕉’, ‘黄瓜’），然后基于TensorFlow库搭建CNN卷积神经网络算法模型，
论文研读：TransMorph—用于无监督医学图像配准的Transformer
在过去，卷积神经网络(ConvNets)一直是医学图像分析领域的研究热点。但是它的缺点是很少关注图像中的远程空间关系。最近，人们提出Transformer来解决ConvNet的缺点，并在许多医学成像应用中产生了最先进的性能，因为其大得多的感受野能够更精确地理解运动图像和固定图像之间的空间对应关系。在
人工智能——深度学习
深度学习是一种基于人工神经网络的机器学习方法，其核心思想是通过多层次的神经网络来模拟人脑的神经元之间的连接。深度学习的特点是可以通过大规模的数据来训练模型，并且可以自动学习到数据的特征表示。上图就是一个神经网络的基本结构图，X1到Xn是输入，O1到Oj是输出，圆圈是神经元(也称感知机)，连线带权重参
基于PyTorch的大语言模型微调指南：Torchtune完整教程与代码示例
**Torchtune**是由PyTorch团队开发的一个专门用于LLM微调的库。它旨在简化LLM的微调流程,提供了一系列高级API和预置的最佳实践,使得研究人员和开发者能够更加便捷地对LLM进行调试、训练和部署。
【高录用|24-25年EI会议推荐】计算机科学、通信、图像、人工智能、算法、应用技术、电子信息工程等多领域征稿参会
【高录用|24-25年EI会议推荐】计算机科学、通信、图像、人工智能、算法、应用技术、电子信息工程等多领域征稿参会
月之暗面科技有限公司（Moonshot AI）内推
加入月之暗面 (Moonshot AI)，你将有机会参与到前沿的人工智能技术研究与产品开发中。来和 kimi 一起登月吧！
【AI大模型】Transformer模型构建指南：轻松掌握核心技术
通过本专栏的博文，我们已经完成了所有组成部分的实现, 接下来就来实现完整的编码器-解码器结构. 接着将基于以上结构构建用于训练的模型.🍔 Tansformer模型构建过程的代码分析 nn.init.xavier_uniform演示:🍔 小结 学习并实现了编码器-解码器结
【人工智能】线性回归
一、使用正规化方法计算下列样本的预测函数1. 没有归一化之前2. 归一化之后二、读取ex1data2.txt中的数据，建立样本集，使用正规化法获取（房屋面积，房间数量）与房屋价格间的预测函数1. 读取数据，建立样本集2. 设置X、y3. 计算theta三、读取ex1data1.txt中的数据，建立样
20240927 每日AI必读资讯
我们最近发布的语音到语音转换和OpenAI O1标志着交互和智能的新时代的开始——这些成就是由你们的聪明才智和手艺实现的。在这个过程中，AI会通过多次尝试得到反馈。这个阶段的重点是让AI明白哪些地方出错了，并且不会只做一些很小的、无关紧要的修改，而是能够真正找到并改正大的错误。这一成功证明了我们出色
【代码复现训练】Vision Transformer(ViT)
尝试使用ViT做一个简单的花卉分类任务，默认使用ViT-B/16模型
张量分解(3)——CP分解
张量分解第三节，详细解释了何为CP分解，CP分解的公式，如何优化CP分解中参数。
【深度学习|地学应用】人工智能技术的发展历程与现状：探讨深度学习在遥感地学中的应用前景
【深度学习|地学应用】人工智能技术的发展历程与现状：探讨深度学习在遥感地学中的应用前景
AIGC实战——生成式人工智能总结与展望
近年来，生成模型取得了突破性进展，生成式人工智能拥有了无限可能性和潜在影响，有着无限的实际应用潜力，我们期待着生成式人工智能够产生更广泛的影响。生成模型领域不仅仅是关于创建图像、文本或音乐的应用，而且生成式深度学习隐藏着人工智能的本质。在本节中，将概述生成式人工智能的发展历史，然后探讨生成式人工智能
Macbook配置李沐动手做深度学习环境
Macbook M3pro配置李沐：动手做深度学习
人工智能大模型工作原理（包括数据收集与预处理、大模型训练、大模型部署与应用）
人工智能大模型工作原理（包括数据收集与预处理、大模型训练、大模型部署与应用）
Github上的十大RAG(信息检索增强生成)框架
随着对先进人工智能解决方案需求的不断增长,GitHub上涌现出众多开源RAG框架,每一个都提供了独特的功能和特性。
