合集-人工智能
摘要：摘要 《Attention Is All You Need》论文开创性地提出Transformer架构，彻底改变了自然语言处理领域的技术路径。该论文解决了传统RNN/CNN模型的三大痛点：通过自注意力机制实现全局语义捕捉，摆脱了序列处理的低效性；多头注意力设计支持并行计算，大幅提升训练效率；缩放点积注意力有效解决长距离依赖问题。Transformer的核心创新包括：1）完全基于注意力机制取代循环结构；2）编码器-解码器堆叠架构；3）残差连接和层归一化优化训练稳定性。这一架构为GPT、BERT等大模型奠定了基
阅读全文
摘要：摘要 2020年发表的《Language Models are Few-Shot Learners》(GPT-3论文)开创了AI新时代。该论文突破性地证明：当Transformer模型参数规模扩大到1750亿时，仅通过文本交互即可实现任务无关的少样本学习。GPT-3采用"预训练+提示词"的新范式，无需微调就能在翻译、问答等40+任务上展现强大性能。论文系统验证了模型在语言建模、闭卷问答等9类任务中的表现，其中在LAMBADA长文本任务上准确率达86.4%，较此前最优提升18.4%。这一研
阅读全文
摘要：摘要： 论文《LoRA: Low-Rank Adaptation of Large Language Models》提出了一种高效的大模型微调方法，通过冻结预训练权重并插入可训练的低秩矩阵（$\Delta W = B \cdot A$），显著降低参数规模（仅为原模型的0.01%-0.2%）。实验表明，LoRA在GLUE和生成任务上性能媲美甚至超越全量微调，同时实现无推理延迟、显存占用降低2/3等优势。该技术解决了传统微调资源消耗大的问题，成为大模型适配的主流方案，兼容多种Transformer架构，推动了大
阅读全文
摘要：本文解读OpenAI关键论文《Training Language Models to Follow Instructions with Human Feedback》，该研究提出了人类反馈强化学习(RLHF)框架，解决大模型与人类意图对齐的问题。论文通过三步法：有监督微调、奖励模型训练和强化学习优化，使1.3B的InstructGPT在人类评估中胜过175B的GPT-3，输出偏好率达85%。模型在真实性、安全性和指令遵循方面显著提升，幻觉率从41%降至21%，毒性输出减少25%。
阅读全文
摘要：摘要： 《检索增强生成(RAG)在知识密集型NLP任务中的应用》这篇论文提出了一种创新方法，通过结合检索与生成技术，解决了传统语言模型在知识密集型任务中的四大痛点：知识更新成本高、缺乏可解释性、容易产生幻觉以及知识存储效率低。RAG框架将预训练检索器（基于DPR）与生成器（基于BART）结合，并利用外部知识库（如维基百科），实现了端到端的“先检索后生成”流程。论文提出的两种变体——RAG-Sequence（固定文档生成）和RAG-Token（动态切换文档）——分别适用于不同任务场景。实验证明，RAG在开放域
阅读全文
摘要：复旦NLP团队2023年发表的综述《The Rise and Potential of Large Language Model Based Agents》系统构建了LLM智能体的通用框架，提出以"大脑（LLM决策）-感知（多模态理解）-行动（工具调用）"为核心的技术范式，突破传统智能体的任务局限性。文章涵盖单智能体、多智能体协作、人机交互及智能体社群四大应用场景，并指出工具SKMA体系、安全护栏、结果检查三大落地关键。通过效用、社交性、价值观、进化能力四维评估体系，以及AGI
阅读全文
摘要：《Switch Transformers：用简单高效的稀疏化实现万亿参数模型》论文解读
本文深入解析了Google提出的Switch Transformers架构，该论文通过创新的稀疏化设计解决传统MoE模型的路由复杂性和训练不稳定性问题。核心创新在于简化路由机制（单专家选择）、优化负载均衡策略（辅助损失函数+专家容量设计）和开发三重并行架构（数据+模型+专家并行）。实验表明，稀疏模型在相同计算预算下，预训练速度提升4-7倍，下游任务性能显著优于密集模型，如1.6万亿参数的Switch-C在TriviaQA
阅读全文
摘要：前言 当AI编程从“代码编写”变成“对话创作”，技术创新的门槛正在被彻底打破。Google Gemini 3.0的发布，用颠覆性的Canvas功能重新定义了AI工具的使用场景——无需一行代码，仅凭自然语言描述就能在浏览器里“聊”出可用的应用程序。无论是产品经理快速验证原型，还是普通用户实现创意想法，
阅读全文
摘要：@目录前言一、Gemini3 Build界面准备二、精准提示词设计（核心步骤）提示词设计逻辑解析：三、效果演示（生成后功能实测）1. 手势控制粒子缩放与扩散2. 多模型切换功能3. 颜色自定义功能4. 简洁现代的界面与全屏控制预览与导出方式：四、扩展方向：总结 前言 Gemini3横空出世，网上对其
阅读全文
摘要：@目录前言核心提示词（直接复制使用）效果演示（Gemini 3生成后实际表现）1. 权限处理效果2. 摄像头画面与手部标注3. 3D粒子手跟随效果4. 淡出与再生效果总结 前言 Gemini3横空出世，网上对其的评价颇为一致，都认为其是近期以来的最佳大模型，并且很多博主通过Gemini3很快的做出了
阅读全文
摘要：@目录引言准备工作：环境搭建步骤一：获取应用代码步骤二：安装项目依赖步骤三：启动开发服务器步骤四：授权与使用项目结构解析常见问题与解决方案总结 引言 前几篇博客中我们介绍了用gemini3搭建了几个非常有意思的app，但是只在网页上运行肯定是满足不了我们的需求的，这篇博客讲教大家如何把app部署到自
阅读全文
摘要：引言 在计算机视觉（CV）领域的漫长发展中，卷积神经网络（CNN）凭借其固有的平移等变性和局部归纳偏置，长期占据绝对主导地位。从LeNet到ResNet，再到EfficientNet，CNN的网络结构迭代不断推动着视觉任务性能的突破。然而，2020年一款全新模型的出现，彻底打破了这一格局——它将自然
阅读全文
摘要：@目录前言一、Gemini3快速上手：从输入到生成游戏的核心步骤1. 访问与登录Gemini3并进入Build界面二、 创造并精准输入提示词（核心）三、 生成代码并调试运行四、效果演示：沉浸式粒子躲避体验1. 开始界面：随机变换颜色的迷幻霓虹初始界面2. 视觉表现：动态流体背景+彩虹轨迹2. 核心玩
阅读全文
摘要：随着AI技术的普及，Google AI Studio中的Gemini模型成为不少开发者和创作者的常用工具。但很多用户在访问时会遇到一个棘手问题——无法成功进入平台，页面仅显示“Google AI Studio 和 Gemini API 的可用区域”列表，导致无法正常使用服务。这种情况并非单一原因导致，我结合自身排查经历和大量用户反馈，整理出三种核心场景及对应的全方位解决方法，帮你快速突破访问障碍。
阅读全文
摘要：摘要：MinerU 2.5-2509-1.2B 是由 OpenDataLab 推出的开源 PDF 提取工具，支持精准的布局分析、公式识别和表格提取。本文详细介绍了在 Linux 系统下的部署流程：首先确保满足硬件要求（8核CPU、8GB以上显存GPU）；然后通过 Conda 创建 Python 3.10 环境并安装 magic-pdf 核心包；接着从 ModelScope 下载预训练模型权重；配置关键路径后，即可通过命令行或 Web UI 进行 PDF 转换。文章还提供了常见问题的解决方案，如显存溢出处理等
阅读全文
摘要：本文详细介绍了如何在Linux服务器上本地部署智谱AI开源的GLM-4V-9B多模态视觉模型。主要内容包括：环境准备（Ubuntu系统、24GB显存等）、模型下载（推荐使用ModelScope加速）、核心部署代码实现图文对话功能，并提供了显存优化方案（4-bit量化）和高并发推理方案（vLLM部署）。文章还包含常见问题排查指南，帮助用户快速解决部署过程中的典型错误。通过本地部署该模型，可有效保护数据隐私并降低长期使用成本，适用于智能办公、医疗影像等多个场景。
阅读全文
摘要：本文介绍了如何在单卡24G显存环境下运行Flux.1-dev文生图大模型。首先需完成Hugging Face授权并获取Token，然后通过ModelScope镜像站快速下载35GB模型文件。关键步骤包括：1）安装必要依赖库；2）使用顺序CPU卸载技术（enable_sequential_cpu_offload）解决显存不足问题；3）编写优化后的推理脚本。文中提供了完整的代码示例和常见错误解决方案，特别适合国内用户在有限显存条件下运行这一开源最强文生图模型。
阅读全文
摘要：本文介绍了NewBie-image-Exp0.1动漫图像生成模型的部署教程。该模型基于Next-DiT架构，具有3.5B参数，支持XML结构化提示词。文章详细说明了硬件要求（16GB显存、Linux/Windows系统、Python 3.10+等环境）和依赖安装方法，特别针对网络受限环境提供了本地安装技巧。重点解决了源码中的"浮点数索引"、"维度不匹配"等核心Bug，并提供了自动修复脚本。最后给出了手动组装组件的推理脚本实现方案，帮助用户稳定运行模型生成图像。
阅读全文
摘要：Clawdbot是一个多功能智能体（Agent），具备文件操作、代码执行、联网搜索等能力。本文详细介绍了其安装配置流程： 环境准备：全新安装Node.js（v22+/v24+）或彻底卸载旧版后安装新版，需确保环境变量配置正确； 权限设置：在PowerShell中解锁脚本执行权限； 一键安装：通过官方脚本自动部署主程序； 初始化向导：选择QuickStart模式，配置基础技能（Skills）和API（如Qwen或OpenAI），暂跳过高级选项。 完成上述步骤后即可启动Clawdbot，后续可扩展远程控制等功能
阅读全文
摘要：阿里通义千问APP在2026年春节期间推出"30亿免单送奶茶"活动，通过AI Agent技术实现"一句话点单"的便捷体验，3小时内订单突破百万。活动成功验证了AI从聊天工具向"主动办事助手"的转型，但也暴露了系统在高并发下的技术短板：API网关崩溃、数据库过载和GPU显存溢出等问题。该活动展现了阿里在大模型技术、生态整合（高德、支付宝等）和成本控制（自研芯片）方面的独特优势，为AI Agent的商业化落地提供了重要参考，同时也揭示了工程化能力仍需突
阅读全文
摘要：摘要： CyberArcanum 赛博秘仪是一款融合神秘学仪式感与前沿技术的数字塔罗工具，旨在通过AI和交互设计重构传统占卜体验。其核心创新包括： 手势选牌：基于Google MediaPipe实现手部动作交互，用户通过挥动和握拳完成选牌仪式，全程本地处理保障隐私； 沉浸式流程：从输入困惑到AI解牌，每个环节（如暗金界面、3D翻牌动效）强化仪式感，避免传统数字塔罗的"点击抽卡"简化； 深度对话：集成DeepSeek API提供个性化流式解读，支持多轮追问，使AI成为引导自我探索的&quo
阅读全文
浙公网安备 33010602011771号