Adam-mini：内存占用减半，性能更优的深度学习优化器
论文提出一种新的优化器Adam-mini，在不牺牲性能的情况下减少Adam优化器的内存占用。
机器学习课程设计，人工智能课程设计，深度学习课程设计--基于Transformer的家庭暴力情绪检测系统（欢迎私）
家庭暴力在现今社会屡见不鲜，成为威胁社会和谐与稳定的重要问题之一。家庭暴力不仅包括身体上的虐待，还涉及情感、心理和经济上的虐待，给受害者尤其是女性和儿童带来深远的负面影响。有效预防和处理家庭暴力事件，及时感知和理解伴侣的情感显得尤为重要。为了帮助社会稳定，提高居民生活幸福指数，本系统选取了CMU-M
减轻幻觉新SOTA，7B模型自迭代训练效果超越GPT-4，上海AI lab发布
本文通过迭代自我训练，逐步扩大数据集的多样性和规模，并提高幻觉标注器的准确性。最终得到的ANAH-v2仅用7B参数在各种幻觉检测基准测试中首次超过了GPT-4，并在第三方幻觉检测基准测试中表现出色。ANAH-v2不仅提供了一个基于的扩展数据集的自动幻觉评估基准，为未来幻觉缓解研究铺平了道路，还通过简
《Ai企业知识库》-模型实践-rasa开源学习框架-搭建简易机器人-环境准备(针对windows)-02
其实现在可以使用的ai的开发框架有很多很多，就需要根据各个模型的能力边界等来讨论和设计。这个步骤主要是，拿到上一步传过来的有用的记忆知识、数据。来让机器人明白要做什么。这里的dst主要是用来管理多轮对话中的时候，来处理多轮对话。Current Interpretation:现行解释。对话中的庞杂信息
算法金 | 秒懂 AI - 深度学习五大模型：RNN、CNN、Transformer、BERT、GPT 简介
每个节点不仅接收当前输入，还接收前一个节点的输出，从而形成记忆能力。Transformer 摒弃了传统 RNN 的循环结构，通过自注意力机制和并行处理，实现了更快的训练速度和更好的效果。BERT 的创新在于其双向性和预训练方法，使得模型在各种 NLP 任务中都表现优异，尤其是在需要上下文理解的任务中
深度学习中常用损失函数介绍
选择正确的损失函数对于训练机器学习模型非常重要。不同的损失函数适用于不同类型的问题。本文将总结一些常见的损失函数，并附有易于理解的解释、用法和示例
人工智能会越来越闭源——对话东北大学副教授王言治 | Open AGI Forum
全球围绕大模型开源、闭源的讨论众说纷纭。大模型的未来一定是闭源吗？在模型领域做开源为什么更难？社区将会是扭转开源“落后”的关键吗？GOSIM 独家对话美国东北大学副教授王言治，对以上问题一一解答。
【深度学习】图形模型基础(2)：概率机器学习模型与人工智能
概率建模在机器学习中至关重要，它利用概率分布表达不确定性，通过贝叶斯学习从数据中学习。非参数方法、概率编程、贝叶斯优化和数据压缩等技术展示了概率建模的灵活性和效率。自动建模系统能够发现并解释数据模型。随着大数据的增长，不确定性建模依然关键。概率建模将在未来机器学习和人工智能系统中发挥核心作用，为自动
大语言模型的Scaling Law：如何随着模型大小、训练数据和计算资源的增加而扩展
在这篇文章中，我们将介绍使这些模型运作的秘密武器——一个由三个关键部分组成的法则：模型大小、训练数据和计算能力。通过理解这些因素如何相互作用和规模化，我们将获得关于人工智能语言模型过去、现在和未来的宝贵见解。
【人工智能】Transformers之Pipeline（五）：深度估计（depth-estimation）
本文对transformers之pipeline的深度估计（depth-estimation）从概述、技术原理、pipeline参数、pipeline实战、模型排名等方面进行介绍，读者可以基于pipeline使用文中的代码极简的使用计算机视觉中的深度估计（depth-estimation）模型，应用
人工智能与伦理挑战：多维度应对策略
人工智能技术近年来取得了迅猛发展，广泛应用于医疗诊断、金融分析、教育辅助、自动驾驶等各个领域，极大地提升了生产效率和服务质量，推动了科技进步和商业创新。然而，伴随其普及和应用的泛滥，AI也带来了数据隐私侵犯、信息茧房、算法歧视、虚假信息传播等诸多问题，导致社会信任危机和伦理道德挑战凸显。这种技术的双
贝叶斯分析与决策理论：用于确定分类问题决策点的应用
在分类问题中，一个常见的难题是决定输出为数字时各类别之间的切分点。
2024世界人工智能大会：AI产品技术与未来趋势的深度解析
随着2024年世界人工智能大会（WAIC 2024）在上海的圆满落幕，我们见证了人工智能技术的又一次飞跃。本次大会以“以共商促共享，以善治促善智”为主题，汇聚了全球顶尖的智慧，共同探讨了AI技术的未来趋势和应用前景。以下是我们为您精心整理的本次大会的亮点与趋势，希望能够为您的视野增添一抹亮色。
AI：199-利用深度学习进行语音情感分析
我们将使用RAVDESS（Ryerson Audio-Visual Database of Emotional Speech and Song）数据集，该数据集包含了24位不同演员模拟的7种不同情感的语音样本。在本文中，我们深入探讨了利用深度学习进行语音情感分析的方法和应用。首先，我们介绍了深度学习
用PyTorch从零开始编写DeepSeek-V2
DeepSeek-V2是一个强大的开源混合专家（MoE）语言模型，通过创新的Transformer架构实现了经济高效的训练和推理。该模型总共拥有2360亿参数，其中每个令牌激活21亿参数，支持最大128K令牌的上下文长度。
【AI大模型】RAG 与 Embedding
从而在几乎不影响最终效果的情况下降低向量检索与相似度计算的复杂度。text-embedding-ada-002 只支持1536维计算。
VQ-VAE：矢量量化变分自编码器，离散化特征学习模型
VQ-VAE 是变分自编码器（VAE）的一种改进。这些模型可以用来学习有效的表示。本文将深入研究 VQ-VAE 之前，不过，在这之前我们先讨论一些概率基础和 VAE 架构。
PyTorch Tabular：高效优化结构化数据处理的强大工具
PyTorch Tabular 是一个用于构建和训练深度学习模型以解决各种表格数据问题的库。
【AI智能体】AI Agent 智能体管理平台SuperAGI深度学习
开发优先的开源自主人工智能代理框架，使开发人员能够构建、管理和运行有用的自主代理。您可以无缝运行并发代理，使用工具扩展代理功能。代理有效地执行各种任务，并在每次后续运行中不断提高其性能。配置、生成和部署自主 AI 代理- 创建生产就绪且可扩展的自主代理。使用工具包扩展代理功能 - 将我们市场中的工具
人工智能及深度学习在病理组学中的应用概述｜系列推文·24-07-11
首先，小罗会带大家回顾计算机和编程的起源，解释从最初的电子计算器到现代计算机的发展历程，以及高级编程语言如何简化计算机指令的编写。其次，本期推文会深入探讨机器学习的不同类型，包括深度学习、神经网络和其他学习算法，以及它们如何被应用于解决实际问题，特别是在病理学领域。最后，小罗会列举一些AI技术当前面
