LLM最大能力密度100天翻一倍！清华刘知远团队提出Densing Law
在人工智能领域，大型语言模型（LLMs）的崛起标志着一个重要的里程碑。这些模型在各种任务中展现出了卓越的性能，其能力随着模型规模的增长而提升。然而，这种规模化也带来了巨大的挑战，特别是在训练和推理效率方面，尤其是在资源受限的环境中部署LLMs时。 随着LLMs的发展，模型的规模不断扩大...
企业内训｜LLM大模型技术在金融领域的应用及实践-某商业银行分行IT团队
本企业培训是TsingtaoAI技术团队专们为某商业银行分行IT团队开发的LLM大模型技术课程。课程深入分析大模型在金融行业中的发展趋势、底层技术及应用场景，重点提升学员在大模型应用中的实际操作能力与业务场景适应力。通过对全球商用 LLM 产品及国内外技术生态的深度对比，学员将了解大模型在不同企业中的发展路径，掌握如 GPT 系列、Claude 系列、文心一言等大模型的前沿技术。针对金融行业的业....
LLM数学性能暴涨168%，微软14人团队力作！合成数据2.0秘诀曝光，智能体生成教学
最近，微软研究团队的一篇新论文引起了广泛关注。这篇论文介绍了一种名为"AgentInstruct"的新型框架，旨在通过生成大量高质量的合成数据来加速语言模型的发展。 论文中提到，合成数据在语言模型的训练过程中变得越来越重要，尤其是对于大型语言模型和小型语言模型来说。然而，尽管合成数据在许多应用中取得了成功&#x...
ICML 2024 Oral：DPO是否比PPO更适合LLM，清华吴翼团队最新揭秘
在自然语言处理领域，大型语言模型（LLMs）的广泛应用和显著性能提升，使得对这些模型进行更精确的人类偏好对齐变得尤为重要。为此，研究人员提出了多种微调方法，其中一种备受关注的方法是强化学习从人类反馈（RLHF）。RLHF方法主要分为基于奖励和无奖励两种类型，而最近...
为多模态LLM指明方向，邱锡鹏团队提出具有内生跨模态能力的SpeechGPT
「 SpeechGPT 为打造真正的多模态大语言模型指明了方向：将不同模态的数据（视觉，语音等）统一表示为离散单元集成在 LLM 之中，在跨模态数据集上经过预训练和指令微调，来使得模型具有多模态理解和生成的能力，从而离 AGI 更进一步。」—— 复旦大学计算机学院教授邱锡鹏大型语言模型（LLM）在各种自然语言处理任务上表现出惊人的能力。与此同时，多模态大型语言模型，如 GPT-4、PALM-E ....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
