大型语言模型适配方法详解 定制你的AI助手
这是一个由三部分组成的系列博客文章中的第一篇，主题是关于如何适配开源大型语言模型，LLMs，在这篇文章中，我们将探讨适配LLMs到特定领域数据的各种方法，在第2部分，我们将讨论如何确定微调是否适合你的使用场景，在第3部分，我们将探讨一些整理......
微软研究院新突破 如何让AI在专业领域更靠谱
01、概述在人工智能的世界里，大型语言模型，LLMs，就像是瑞士军刀，多才多艺，几乎无所不能，但是，当它们遇到需要特定领域知识的任务时，比如医疗保健、法律和金融，这些万能的模型就显得有些力不从心了，这是为什么呢，因为它们在训练时使用的数据集......
突破大语言模型的逻辑瓶颈 Logic
亲爱的读者，感谢您阅读到这里，正如我们探讨的语言模型一样，每个人都有自己的潜力和价值，认清自己，要么接受平凡，要么踏踏实实从0到1去积累资源，这世上从来没有简单的、一蹴而就的成功，无论是AI的发展还是个人的成长，都需要持续不断的努力和积累，......
MLLM 多模态大型语言模型 综述
摘要&，mdash，最近，以GPT4V为代表的多模态大型语言模型，MLLM，已成为新兴的研究热点，它使用强大的大型语言模型，LLMs，作为&，ldquo，大脑&，rdquo，来执行多模态任务，MLL......
大型语言模型的知识融合 ICLR2024
摘要，从头开始训练大型语言模型，LLM，可以生成具有独特功能和优势的模型，但这需要巨大的成本，并可能导致冗余功能，另一种具有成本效益且引人注目的方法是将现有的预训练LLM合并为一个更强大的模型，然而，由于这些LLM架构各不相同，直接融合它......
突破AI性能瓶颈！揭秘LLaMA
本文介绍了一种名为&，ldquo，LLaMAMoE&，rdquo，的方法，通过将现有的大型语言模型，LLMs，转化为混合专家网络，MoE，，从而解决了训练MoE时遇到的数据饥饿和不稳定性问题，该方法基于著名的LL......
如何评估大语言模型生成结果的多样性
1、论文的背景关于大型语言模型，LLM，的一个开放性问题是，这些模型从预训练数据中学习了哪些模式，以及这些模式是否能够在下游任务和数据集中普遍适用，虽然先前的研究主要集中在生成质量上，最近也开始关注文本生成的新颖性，但对LLM学习到的模式......
语言模型知识编辑的鲁棒性研究
一、引言随着大型语言模型的兴起，自然语言处理，NLP，社区面临的主要挑战之一是如何高效地对模型进行微调，如果需要短期内改变模型的某些行为，重新进行参数微调可能会过于耗时和昂贵，在这种情况下，模型知识编辑，KnowledgeEditing，技......
英特尔实验室最新成果 LLaMA
随着模型规模的不断扩大，其对计算资源的需求也水涨船高，高昂的内存和计算成本不仅限制了LLMs在高性能计算平台之外的应用，也增加了研究和开发的门槛，这对于资源有限的研究机构和企业尤其成问题，在这样的背景下，减小LLMs的大小和计算复杂度显得尤......
新RAG架构范式！DSPy将革命性改变RAG系统架构方式！！
1、什么是DSPy，DSPy，DeclarativeSelfimprovingLanguagePrograms，inPython，是斯坦福大学NLP研究人员开发的&，quot，基础模型编程&，quot，框架，它强......