1. 阻止人类灭绝 1.1. 宇宙中唯一知道这些的物体，唯一知道宇宙存在的物体，是我们的大脑 1.2. 如果没有关于某个事物的知识，我们能说这个事物就一定存在吗？ 1.2.1. 我们的大脑扮演着这样一个独特的角色，这很令人着迷 1.3. 30%的大脑，即旧脑，是由许多不同部分组成的 1.3.1. 旧 ...

1. 智能生物通常能延续多久 1.1. SETI和METI计划的可行性在很大程度上取决于智能生物通常能延续多久 1.1.1. 搜寻地外文明（以下简称SETI）计划的目标 1.1.1.1. 这是一个力图寻找宇宙其他地方智能生物存在证据的研究项目 1.1.1.2. SETI计划旨在寻找含有某种模式的无线 ...

1. 人类智能存在的风险 1.1. “末日时钟” 1.1.1. 核战争引发的大火列为地球毁灭的主要原因 1.1.2. 气候变化列为人类自我毁灭的第二大潜在原因 1.2. 除非我们刻意加入自私的驱动力、动机或情感，否则智能机器并不会威胁到人类的生存 1.2.1. 人类在不远的将来会创造出更多的威胁 1 ...

原作：阿尔贝托·罗梅罗 引言：AI令人惊叹，然而人类正在将其用于垃圾邮件、虚假和作弊行为 本文选自《算法之桥》，这是一个旨在弥合人工智能与人类之间差距的教育项目。 人工智能并不是将情报成本归零，而是将废话成本归零。 Sam Altman喜欢声称OpenAI以及生成式AI的目标是将智慧的成本降至零。他 ...

春节之前被 Semantic Kernel 所吸引，开始了解它，学习它。为了方便学习与体验以及写代码实践 Semantic Kernel，打算自己部署一个对中文友好的开源大模型，于是选择了通义千问。根据通义千问开源仓库中的 README，经过一番折腾，终于部署成功，紧接着就是尝试通过 Semanti... ...

1. 人类智能的未来 1.1. 气候变化如此剧烈，在下一个百年里，一些城市很可能会不再适合人类居住，大面积的农业区或将变得更加贫瘠 1.1.1. 气候并非唯一需要关注的问题 1.1.2. 人类的一些技术，如核武器和基因编辑，为少数人提供了杀死数十亿人的可能 1.2. 物种将以极快的速度走向灭绝，一些 ...

辞旧迎新春节到，家家户户好热闹。Hugging Face 中国团队成员祝各位社区成员们新春快乐，万事如意！ 过去的一年我们持续看到 AI 技术的腾飞和发展，以及诸多机构为开源 AI 作出巨大的贡献。非常感谢将模型、数据集和应用 Demo 发布在 Hugging Face 上的团队，新的一年，我们也会 ...

1. 机器智能存在的风险 1.1. “人工智能”这个名字应用到几乎所有涉及机器学习的领域 1.2. 技术专家对人工智能的态度也从“人工智能可能永远不会实现”快速转变为“人工智能可能在不久的将来毁灭所有人类” 1.3. 每一项新技术都可能会被滥用，从而造成伤害 1.3.1. 有不足之处的人工智能也被用 ...

原作： 邓肯·安德森 引言：以下文章的主题我已经思考了很久，我希望能我的话能引起你的思考，并于一些更悲观的AI评论相均衡。推理和可解释性是充满细微差别的主题——我希望这篇文章能体现这一点。 去年 GPT-4 发布时，我注意到出现了一个特殊的议论：“可解释的人工智能”。 GPT-4 是第一个在推理领域 ...

这篇博客是一篇来自 Meta AI，关于指令微调 Llama 2 的扩展说明。旨在聚焦构建指令数据集，有了它，我们则可以使用自己的指令来微调 Llama 2 基础模型。 目标是构建一个能够基于输入内容来生成指令的模型。这么做背后的逻辑是，模型如此就可以由其他人生成自己的指令数据集。这在当想开发私人个 ...

模型持久化（模型保存与加载）是机器学习完成的最后一步。因为，在实际情况中，训练一个模型可能会非常耗时，如果每次需要使用模型时都要重新训练，这无疑会浪费大量的计算资源和时间。 通过将训练好的模型持久化到磁盘，我们可以在需要使用模型时直接从磁盘加载到内存，而无需重新训练。这样不仅可以节省时间，还可以提高 ...

RAPTOR：递归摘要与树形检索的结合，提升RAG检索性能 来源：ICLR'24 https://arxiv.org/pdf/2401.18059.pdf 随着 LLM 技术的发展，RAG 的价值也来越明显，可以视作 LLM 应用、落地的一个主要方向。RAG通过结合检索系统和生成模型，在生成回答时先 ...

1. 机器智能的未来 1.1. 没有任何技术原因阻止我们创造智能机器 1.1.1. 障碍在于我们缺乏对智能的理解，也不知道产生智能所需的机制 1.2. 历史表明，我们无法预测将推动机器智能向前发展的技术进步 1.2.1. 1950年，没有人能够预测那些推动计算机加速发展的创新和进步 1.2.1.1. ...

前言 关于Transformer原理与论文的介绍：详细了解Transformer：Attention Is All You Need PyTorch中实现Transformer模型 前面介绍了，Transformer 模型结构的实现，这里介绍下论文中提到的训练策略与设置。 设置文件名为trainin ...

1. 人工智能正在经历一场复兴，这是科技界最热门的领域之一 1.1. 大多数科学进步都建立在被广泛接受的理论框架之上。这种理论框架称为“科学范式” 1.2. 人工智能的未来将与大多数人工智能从业者如今的设想存在本质上的不同 1.3. 人工神经网络与人类大脑中的神经元网络截然不同，但是人工神经网络领导 ...

这个系列目的是揭开嵌入的神秘面纱，并展示如何在你的项目中使用它们。第一篇博客 介绍了如何使用和扩展开源嵌入模型，选择现有的模型，当前的评价方法，以及生态系统的发展状态。第二篇博客将会更一步深入嵌入并解释双向编码和交叉编码的区别。进一步我们将了解 检索和重排序 的理论。我们会构建一个工具，它可以来回答 ...

原作：乔纳森·阿尔诺 时间：2023 年 12 月 11 日 在本文中，我们将解释如何解决手写人口普查的 OCR 问题，以及我们从这次实验中吸取的教训。本文将追踪我们测试的库和在线服务，以及我们如何应用鲁昂大学的科学出版物来进行历史文献分析。 为历史文档建立索引 光学字符识别 (OCR) 是一项成熟 ...

1. 现有的新皮质理论 1.1. 最普遍的看法是新皮质就像一个流程图 1.2. 特征层次理论 1.2.1. 该理论最大的弊端在于认为视觉是个静止的过程，就像拍一张照片一样，但事实并非如此 1.2.1.1. 眼睛每秒会快速转动约三次（扫视） 1.2.2. 会忽略视觉动态的原因 1.2.2.1. 我们有 ...

本文参考《Reinforcement Learning：An Introduction（2nd Edition）》Sutton K臂赌博机 问题描述：你有k个选择，每个选择对应一个奖励，收益由所选动作决定的平稳概率分布产生，目标为最大化某段时间内的总收益期望。 联系我们在chapter1中提到的re ...

来自社区的 SD-XL Dreambooth LoRA 微调最佳实践指南 太长不看版 我们把 Replicate 在 SDXL Cog 训练器中使用的枢轴微调 (Pivotal Tuning) 技术与 Kohya 训练器中使用的 Prodigy 优化器相结合，再加上一堆其他优化，一起对 SDXL 进 ...