Learn more about Machine learning - Section 16

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

“AI试点项目旨在减少麻省理工学院校园的能源消耗和排放量”

“一个跨部门的团队正在领导利用机器学习提高麻省理工学院建筑物的供暖和制冷效率的努力”

“这项人工智能研究通过深度学习和进化算法彻底改变了硅马赫-泽尔德调制器的设计”

由于Netflix和物联网的普及以及向分布式计算和存储架构的转变，网络传输容量需求不断增长。在网络成本较高的短距离应用中，尤...

遇见城市梦想家：一种用于无限制三维城市的组合生成模型

近年来，3D自然场景的创建一直是研究的热点。在创建多种类型的3D物体（包括3D城市、3D场景和3D化身）方面已经取得了重大进展...

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...

张量量化：未被讲述的故事

在本文的其余部分，我们将尝试用具体例子回答以下问题规模：在对浮点数范围进行量化时，通常会使用浮点数表示…

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...

“稳定扩散”是如何工作的？直观解释

这篇简短的文章直观地解释了稳定扩散对于初学者的工作原理它是对像Midjourney这样的工具内部的一次深入了解

数据科学的最佳实践，第一部分-测试您的查询

数据科学领域的根源可以追溯到数学、统计学和计算机科学尽管在过去几十年里发展迅猛，但真正重要的变革发生在过去的10-15年中...

10个AI和ML将会高需求的原因

探索2024年在各行各业中推动人工智能和机器学习需求飙升的10个关键驱动因素探索技术的未来

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...

生成式人工智能之旅

深入研究我在全面倡导生成式人工智能方面的丰富经验，以获取有价值的见解和知识，从而为您利用

在人工智能时代重新思考学术诚信：ChatGPT与32门课程中的大学生的比较分析

使用机器学习算法生成新内容的人工智能（AI），以构建先前创建的文本、音频或视觉信息，被称为生成式AI。由于该领域的最新突...

《十年生成式人工智能的教训》

要理解生成式人工智能的未来，了解它的起源以及随着技术的发展而出现的挑战和机遇是很有帮助的

解密大型语言模型的密码：Databricks 教会了我什么

通过使用微调、闪光注意力、LoRa、AliBi和PEFT等技术开发定制模型，学习构建自己的端到端生产就绪的LLM工作流程

成为高效的提示工程师简要指南

你想成为人工智能专业人士吗？阅读我们的指南，了解相关工作角色、职责以及最佳认证计划的信息

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...

自动零售结账台如何识别未标记的农产品？了解伪增强计算机视觉方法

随着机器学习和深度学习技术的进步，各个领域的自动化程度也越来越高。自动化逐渐减少了人类在日常生活中各个例行事务中的干...