Learn more about language model - Section 9
生成式人工智能解放:MLOps和LLM部署策略的软件工程师
“探索MLOps策略和LLM部署解决方案,以利用生成式AI,在AI创新的变革时代中释放前所未有的潜力”
认识Verba:一个开源工具,用于构建您自己的RAG检索增强生成流水线并利用LLM进行基于内部的输出
Verba是一个开源项目,旨在为RAG应用提供简化、用户友好的界面。用户可以迅速深入数据,并开始进行相关的对话。 Verba不仅仅...
索尼研究人员提出了BigVSAN:通过GAN-Based Vocoders中的切片对抗网络彻底改变音频质量
神经网络的发展和它们不断增长的受欢迎程度导致了语音合成技术的显著改进。大多数语音合成系统使用两阶段方法:首先,它们从...
Adept AI Labs 开源了 Persimmon-8B:一款功能强大的完全许可证开放的语言模型
近年来,人工智能领域取得了显著进展,特别是在语言模型的发展方面。在Marktechpost Media上,我们已经报道了许多基于不同参...
“见识Falcon 180B:具备1800亿参数的最大开放语言模型”
强大而多功能的语言模型需求在自然语言处理和人工智能领域变得更加迫切。这些模型是众多应用的基础,从聊天机器人和虚拟助手...
麻省理工学院的研究人员提出了AskIt:一种用于简化软件开发中大型语言模型集成的领域特定语言
最近的研究揭示了大型语言模型(LLMs)的非凡能力,随着模型的发展,它们变得更加令人印象深刻。它们已经成为各种应用领域的...
遇见WavJourney:一种基于大型语言模型的音频创作AI框架
多模态人工智能(AI)的新兴领域将视觉、听觉和文本数据融合,为个性化娱乐和改进的辅助功能等各个领域提供了令人兴奋的潜力...
使用OpenAI和LangChain介绍ML工程和LLMOps
了解如何使用OpenAI LLM并在Python中使用流行的LangChain工具包摘录自《Python机器学习工程师》,Packt出版社,2023年
见到YaRN:一种计算高效的方法,可以扩展基于Transformer的语言模型的上下文窗口,其所需的标记数量比之前的方法少10倍,并且训练步骤少2.5倍
像聊天 GPT 这样的大型语言模型可以考虑文本中的更广泛上下文,使其能够理解并生成更连贯和上下文相关的回复。这在文本补全等...
转变催化剂研究:认识CatBERTa,一种基于Transformer的AI模型,用于使用文本输入进行能源预测
化学催化剂研究是一个充满活力的领域,人们一直在寻求新的和持久的解决方案。催化剂是当代工业的基石,它们能够在化学反应中...
让ChatGPT再次具备视觉能力:这种AI方法探索了链接上下文学习以实现多模态学习
语言模型通过生成连贯和上下文相关的文本的能力,彻底改变了我们与计算机交流的方式。大型语言模型(LLM)一直处于这一进展的...
使用RunPod运行生成式LLMs | 一个无服务器平台
介绍 无服务器是云计算中一种具有颠覆性的策略。它允许开发人员完全专注于创建应用程序,同时让云提供商负责底层基础设施的管...
Meta AI发布BELEBELE:全球首个122种语言的平行阅读理解评估基准
评估多语言模型的文本理解能力面临着一个重要挑战,即缺乏高质量的、同时进行评估的标准。虽然有高覆盖的自然语言处理数据集...
这项AI研究揭示了ComCLIP:一种无需训练的图像和文本组合对齐方法
在视觉-语言研究这个动态领域中,图像和文本的组合匹配是一个巨大的挑战。这个任务涉及将图像和文本描述中的主题、谓词/动词...
这篇人工智能论文提出了一种递归记忆生成方法,以增强大型语言模型中的长期对话一致性
聊天机器人和其他形式的开放领域通信系统近年来受到了越来越多的关注和研究。长期讨论设置是具有挑战性的,因为它需要知道并...
使用插件为聊天机器人创建自定义技能
利用生成式人工智能的聊天机器人可以通过使用与外部来源集成的插件进行技能提升,从而提供领域专业知识并提供个性化回复
这篇AI论文解释了如何通过指令调优来增强编程语言之间的互补性
大型语言模型(LLMs)的引入席卷了整个世界。这些模型以模仿人类生成独特且有创造力的内容以及回答问题的方式而闻名。这些模...
Meta AI发布了Nougat:一种可将科学文档进行光学字符识别(OCR)并转化为标记语言的视觉转换模型
随着人工智能领域的不断发展,其子领域,包括自然语言处理、自然语言生成、计算机视觉等,由于其广泛的应用案例而迅速获得了...
韩国研究人员提出了VITS2:一种突破性的单阶段文本到语音模型,以提高自然度和效率
这篇论文介绍了VITS2,一种单阶段的文本转语音模型,通过改进之前模型的各个方面来合成更自然的语音。该模型解决了诸如间歇性...
使用Declarai、FastAPI和Streamlit构建LLM聊天应用程序 — 第2部分 🚀
在我们之前的VoAGI文章(链接🔗)受到热烈欢迎后,我们已经考虑了您的反馈意见本文是第二部分,介绍更高级的...
- You may be interested
- 深度学习在推荐系统中的应用:入门指南
- 用“切割并学习”进行机器学习中的对象状态...
- 纳雷·万达尼安,Ntropy联合创始人兼首席执...
- “人工智能生成的代码需要更多测试吗?”
- 2023年7个热门开源数据可视化工具
- “量子助力:cuQuantum与PennyLane让模拟可...
- 在本地使用CPU推理运行Llama 2进行文档问答
- 不仅仅是爬行动物:探索鬣蜥的可解释人工...
- 使用Streamlit在Hugging Face Spaces上托...
- 雪花 vs. 数据脑 竞争打造最佳云数据平台
- Hugging Face 和 Graphcore 合作,为 IPU ...
- 使用Python进行数据缩放
- OpenAI Dev Day 2023:创始人Sam Altman主...
- 使用Salesforce Data Cloud,通过Amazon S...
- 谷歌对多模态基础模型的最新方法