摘要： OpenAI 再次稍微揭开了它的安全测试流程的面纱。上个月，他们分享了一项调查的结果，这项调查研究了 ChatGPT 在根据用户名字生成性别或种族偏见的几率。现在，他们又发布了两篇论文，详细描述了如何对大型语言模型进行“压力测试”（也叫红队测试），目的是找出可能有害或者其他不希望出现的行为。 为什么 阅读全文

摘要： AI 发展的速度可以用“飞速”来形容，不仅影响了各行各业，还在逐渐成为企业发展的“核心引擎”。到了 2025 年，AI 不仅仅是用来创新的小工具，而是推动商业转型的“大功臣”。不管是客户服务、预测分析，还是个性化推荐，AI 帮助企业更高效地运作，降低成本，同时挖掘新的增长机会。未来几年，懂得利用 A 阅读全文

摘要： 前一篇：《人工智能模型训练技术，正则化！》 序言：人工智能模型的真正价值在于其实际应用，而不仅仅停留在理论阶段。本节将通过一个简单而常见的应用场景，展示如何将前面几节所设计和训练的模型应用于实际问题。我们将使用训练好的模型对句子进行分类，具体来说，识别社交平台上用户评论的类别。通过这样的技术，社交平 阅读全文

摘要： 前一篇：《人工智能模型训练技术：随机失活，丢弃法，Dropout》 序言：让人工智能模型变得更“聪明”的方法之一，就是减少“过拟合”（读死书）的问题，从而提升模型的“泛化能力”，也就是它面对新问题时的适应能力。在前面，我们讲解了最常用的“随机丢弃”法，本节将带大家了解另一种重要的方法——“正则化”。 阅读全文

摘要： 前一篇：《探索训练人工智能模型的词汇大小与模型的维度》 序言：Dropout 是神经网络设计领域的一种技术，通常我们把它翻译成 随机失活 或者 丢弃法。如果训练神经网络的时候不用 Dropout，模型就很容易“读死书”，也就是过拟合，结果可能导致项目失败。 那 Dropout 到底在干什么呢？其实很 阅读全文

摘要： 前一篇：《人工智能同样也会读死书 “过拟合”》 序言：你看，人工智能领域的专家都在做什么？他们其实只是在不断试错，因为并没有一种“万能药”——一种万能的算法可以一次性设计出任何人工智能大模型来实现客户的需求。所有的模型在设计和训练过程中都是——验证结构——修改架构——再验证新结构——再修改……最终达 阅读全文

摘要： 上一篇：《“嵌入”在大语言模型中是解决把句子转换成向量表示的技术》 序言：我们常常会说某某人只会“读死书”，题目稍微变一点就不会做了。这其实是我们人类学习中很常见的现象。可是你知道吗？人工智能其实更容易“读死书”。不过在人工智能领域，我们有个听起来高大上的说法，叫“过拟合”。说白了，“过拟合”就是人 阅读全文

摘要： 序言：当前基于 Transformer 架构的大语言模型人工智能技术，由于投入大、成本高、人才需求苛刻，导致许多企业望而却步。动辄几千万甚至上亿的成本，现实中有几家企业能够承担？真正具有竞争力的技术应当在成本上更低、效率上更高，因此，各大院校和商业公司已不再仅仅关注模型的参数规模，而是在积极探索创新 阅读全文

摘要： 上一篇：《人工智能是这样理解“情绪”的》 序言：这段话要优化吗？““嵌入”是一种将句子、单词或其他语言单位转换为向量表示的技术。这个向量通常位于高维空间中，它以一种能够表达相似性的方式编码出文本的含义或上下文。嵌入层的作用就在于把离散的语言符号（如单词或句子）转换成连续的向量，使得模型能更好地理解和 阅读全文

摘要： 前一篇：《人工智能模型训练：从不同格式文件中读取训练数据集》 前言：在前面的内容中，我们经常提到“特征”，那么如何表示特征呢？举个例子，在日常生活中，我们描述一个快递包装盒时可能会提到它的高度、宽度和深度（这三个值就是盒子的特征，当然也可以用颜色、重量、材料等来描述）。当我们仅用高度、宽度和深度三个 阅读全文