大模型技术细节——大模型之文本生成与文档总结
很多人都简单的认为，生成文本的模型和进行文档总结的模型是一回事，都属于文本处理模型。我们一直在说大模型大模型，但大部分人都没深入研究过大模型的具体实现以及隐藏在大模型这个黑盒下的技术细节。文本生成大模型和文档总结大模型。
结合傅里叶变换和传统特征提取方法，通过XGBoost检测计算机生成图像
我个人认为，在模型无法区分的情况下，使用图像取证工具的人类将比机器学习模型更好地检测CGI，因为人类可以使用他们的先验知识逐个像素地评估图像，而模型只能依赖他们的训练数据。CGI检测模型对世界的了解是不完整的，而人类对世界的了解要大得多。为什么要应用傅里叶变换?而如何检测AI生成的图片变得越来越困难
数学AI解题软件有哪些？一分钟分享4款工具
数学AI解题软件在现代教育中扮演着越来越重要的角色，它们不仅为学生提供了前所未有的解题速度和准确性，还通过个性化的学习建议和资源推荐，促进了学生的自主学习和深度学习。它们不仅提高了学生的解题效率和准确性，还为学生提供了个性化的学习建议和丰富的学习资源。这是一款强大的数学AI解题工具。①准确性高：基于
【机器学习】探索数据矿藏：Python中的AI大模型与数据挖掘创新实践
随着人工智能技术的迅猛发展，AI大模型（如GPT、BERT等）在各类任务中展现了强大的能力。然而，这些大模型的背后是海量数据和复杂的算法支撑。在这篇博客中，我们将深入探讨如何利用Python进行数据挖掘，并结合AI大模型实现更高效、更精准的智能应用。本文将从数据获取与预处理、模型训练与优化、实际应用
ROS2从入门到精通5-1：详解代价地图与costmap插件编写(以距离场ESDF为例)
一文总结ROS2代价地图的核心概念与配置，并以欧氏符号距离场障碍层为案例，介绍代价地图插件的编写方法，图文并茂加深理解
【大模型】大模型中的稀疏与稠密——一场效率与性能的较量
稀疏模型与稠密模型，作为深度学习领域的两股重要力量，各自承载着不同的使命与愿景。在探索未知的征途中，它们既是竞争对手，也是合作伙伴，共同推动着人工智能技术向前迈进。未来，随着算法创新和硬件技术的进步，我们有理由相信，稀疏与稠密的融合将开启深度学习的新篇章，引领我们进入一个更加智能、高效、可持续的AI
Langchain--如何使用大模型 2.0
我们除了可以使用Langchain进行模型对话、提示词创作、嵌入模型，还可以使用其他的组件对大模型封装使用，打造我们自己的大模型。
本地多卡(3090)部署通义千问Qwen-72B大模型提速实践：从龟速到够用
本文记录了多卡部署72B通义千问过程，将推理速度提到10token/s水平。
AI可解释性(Python语言版)书籍推荐
AI可解释性（Python语言版）》全面介绍了AI可解释性的概念和可用技术，使机器学习系统更易于解释。书中提出的方法可以应用于几乎所有现有的机器学习模型：线性和逻辑回归、深度学习神经网络、自然语言处理和图像识别等等。随着机器学习的发展，如今人们越来越多地使用人工智能体来执行以前由人类处理的关键任务(
评价类模型-基于熵权法的Topsis模型★★★★
基于熵权法的Topsis模型是对Topsis模型的补充，因为层次分析法具有较大的主观色彩，对于最终得分来说，缺乏客观性，而熵权法是基于数据本身进行分析，所以更加推荐使用熵权法。使用步骤与Topsis模型差不多，但是引入新的指标——信息效用值来评价问题，将信息效用值归一化后，再计算对于的权重。熵权法只
生成式 AI 的发展方向，是 Chat 还是 Agent？
生成式AI在对话系统中展现智慧和在自主代理中体现能力都是有可能的根据不同的应用场景和需求来选择才是最正确的方向
将VAE用于时间序列：生成时间序列的合成数据
本文将使用**一维卷积层**、**策略性的步幅选择**、**灵活的时间维度**和**季节性依赖的先验**来模拟温度数据。
Meta发布Llama 3.1开源大语言模型；谷歌发布NeuralGCM AI天气预测模型
Meta正式发布了开源大语言模型Llama 3.1，包括8B、70B和405B参数版本。Llama 3.1在推理能力和多语言支持方面有所改进，上下文长度提升至128K，405B参数版本可媲美GPT-4等领先闭源模型。该模型已开放下载，并获得AWS、英伟达等多家合作伙伴支持。在多个关键AI基准测试中，
解决paddlepaddle-gpu和cuda兼容的问题
paddlepaddle-gpu使用问题
人工智能算法能否预测奥运会足球？
如果您对人工智能算法预测奥运足球有疑问，不妨来与我详细探讨一下。人工智能算法，作为当代科技的前沿领域，其核心在于使计算机系统具备模拟人类智能行为的能力。这类算法通过对大量数据的处理和分析，实现对复杂问题的求解和决策。在体育预测领域，人工智能算法的应用尤为广泛，其中常用的算法主要包括机器学习、深度学习
我用AI们预测了巴黎奥运会的金牌数后，发现......
你们觉得AI预测的结果合理吗
文心快码 - 助力《垃圾智能AI识别系统》从开发到上线“全链路环节”增效
最近公司有一个项目需求需要使用到AI智能识别的功能《垃圾智能AI识别系统》，之前也没接触过这个赛道，刚好前段时间参加过“Baidu Comate智能编码助手”的活动，在公司的项目也是一直在使用，在很多地方帮助程序员开发人员更好地理解和优化代码，提高软件的可维护性和可靠性、安全性。今天刚好也是接触新的
斯坦福提出首个开源视觉语言动作大模型OpenVLA
现有的VLA(Vision-Language-Action )模型具有这些局限性：1)大多封闭且开放；2)未能探索高效地为新任务微调VLA的方法，而这是VLAs被采用的关键组成部分。为此本工作开发了OpenVLA，一个基于97万条Open X-Embodiment机器人任务的7B参数开源VLA模型，
使用BatchNorm替代LayerNorm可以减少Vision Transformer训练时间和推理时间
让我们简要回顾一下深度神经网络中BatchNorm的基本概念。这个想法最初是由Ioffe和Szegedy在一篇论文中引入的,作为加速卷积神经网络训练的一种方法。假设zᵃᵢ表示深度神经网络给定层的输入,其中a是从a=1,…,Nₛ运行的批次索引,i是从i=1,…,C运行的特征索引。这里Nₛ是一个批次中的
LangFlow VS Flowise 选择合适的低代码AI框架
LangFlow注重提供直观的可视化工作流设计、强大的自动化功能和灵活的插件扩展。其详细的文档和活跃的社区支持使用户可以快速上手并深入使用。Flowise强调简洁的用户界面、预构建的集成模块和详细的日志监控功能。其模块化架构和丰富的自定义脚本支持提供了极大的灵活性和扩展性。Flowise 与 Lan
