- 综合排序
- 最热优先
- 最新优先
- 来自专栏大模型应用
大模型应用：文本转语音实践：Tacotron2预训练模型和SpeechT5模型应用.19
一、前言 前期我们了解了TTS的基础应用，今天我们继续探索两个强大的TTS模型：Tacotron2和SpeechT5。 模型的判断指标不管是简单的工具还是复杂的大模型，我们都能通过这三个问题快速判断它的水平，这也是后续理解技术的关键：表述的清晰度：能不能读对，清晰度是最基础的要求：比如“银行（háng）”不能读成“银行（ 核心组件2.1 Tacotron2 声学模型Tacotron2 是一个序列到序列的神经网络模型，负责将文本转换为声学特征（梅尔频谱图）。 应用实例import torchimport torchaudioimport soundfile as sfdef simple_tts_demo(): print("第一步：检查TTS大模型的可行性 是非常适合初学者接触入门 TTS 开发和轻量化 TTS 应用落地的首选模型之一。2.
66732编辑于 2026-02-16 - 来自专栏大模型应用
大模型应用：大模型本地部署实战：从零构建可视化智能学习助手.2
topic: str) -> Dict: """学习示例生成方法""" # 实现结构化内容生成我们首先需要明确LocalLearningAssistant类的核心作用：它负责加载大模型 包含一个清晰的概念解释2. 提供一个具体的代码示例或实际应用场景 3. 提出2-3个思考问题帮助巩固理解4. 用中文回答，保持教育性请按以下格式返回：概念：示例：思考问题："""3. with gr.Blocks(theme=gr.themes.Soft()) as demo: # 标题区域 gr.Markdown("# 大模型本地部署 编程助手2. 科学助手3. 数学助手4. 学习助手五、总结 这个项目成功实现了在消费级硬件上部署智能学习助手，基于Qwen1.5-1.8B大模型在CPU环境稳定运行。 with gr.Blocks(theme=gr.themes.Soft(), title="本地AI学习助手") as demo: gr.Markdown("# 大模型本地部署
78632编辑于 2026-01-30 - 来自专栏大模型应用
大模型应用：大模型时代的XGBoost：传统梯度提升树与大模型的协同应用.103
一、前言 在人工智能技术体系中，XGBoost作为经典的梯度提升树模型，凭借高效的特征学习能力和优秀的结构化数据处理性能，长期占据机器学习应用的核心地位；而大模型则以其强大的语义理解、上下文建模和通用推理能力 XGBoost 与大模型融合的全链路知识，深度了解其核心原理和应用实践。 XGBoost 与大模型结合2.1 大模型的核心痛点尽管大模型能力强大，但在实际应用中存在明显短板：1. 解决方案：对大模型的 Embedding 进行归一化（L2 归一化），保证向量长度一致。四、融合的执行流程1. 执行流程XGBoost 与大模型融合的完整执行流程可分为 6 个核心步骤：2. 选择合适的大模型：开源模型：LLaMA2、ChatGLM、Qwen等，适合本地部署；闭源 API：OpenAI Embedding、混元大模型、通义Embedding 等，适合快速开发。
65132编辑于 2026-05-11 大模型应用开发实战
Net有WebAPI + IIS，java有spring boot+tomcat，大模型有FastAPI+Uvicorn：FastAPI 用于构建应用的业务逻辑，Uvicorn 是运行这些应用的服务器。 不得不吐槽下，大模型也搞前后端分离这套！. 怎么着也得个应用程序APP之类，再不济也得有个Web吧！好吧，安排！为了搞大模型的人能安心研究模型，不用花精力在界面上。 市场上就出现了2个常用的大模型web界面框架Gradio和Streamlit，不用去研究哪个更好，顺手就行！类似ElementUI、AntDesign没必要非争个你死我活的！ 最后 经过无数的蹂躏，我开发了个小应用【i歌词】，无任何条件免费提供全部源码。它基于chatglm4-9b大模型，从部署到训练，通用对话功能，核心根据歌名查歌词并创作歌词！
1.7K37编辑于 2026-05-08- 来自专栏xiaosen
LangChain大模型应用开发
LangChain作为一个新兴的框架，旨在简化大模型应用的开发过程。它提供了一套工具和接口，帮助开发者将大模型无缝集成到各种应用场景中。 prompt) print(response.content) 这时我们的langSmith后台： 构建语义搜索引擎 我们使用LangChain的文档加载器、嵌入、向量库来从其他来源检索数据，与大模型工作集成 ，这对于获取数据作为模型推理的一部分进行推理的应用程序非常重要，例如检索增强生成或RAG。 AI时代的顶峰" ) print(results) 2️⃣根据与嵌入式查询的相似性返回文档： # 首先将文本“大模型的发展是顶峰”转换为嵌入向量 embedding embedding = embeddings.embed_query ("大模型的发展是顶峰") # 接受一个嵌入向量作为输入，并返回与该向量最相似的向量 results = vector_store.similarity_search_by_vector(embedding
80131编辑于 2024-12-04 - 来自专栏深度学习与python
LangChain：简化大模型应用
作者 | Guy Nesher 译者 | 平川 策划 | Tina LangChain 框架提供了常见用例的抽象，简化了大型语言模型（LLM）（如 OpenAI GPT4 或 Google PaLM）的应用。 通常，比较复杂的应用程序会使用多个组件来生成所需的结果。 我们将用 SimpleSequentialChain 做个演示，它会按顺序运行多个提示。 今日好文推荐 爱奇艺VR公司业务停滞，员工或被欠薪；阿里云开源通义千问 70 亿参数模型，免费可商用；华为正式发布鸿蒙 4，接入大模型｜Q资讯 年薪超 600 万，比技术总监还高：电影行业 AI 产品经理的崛起 大模型竞争突然升级！亚马逊 CEO 亲自监督、组建新的核心技术团队，集中优势资源打造“最具野心”的大语言模型
52930编辑于 2023-09-08 - 来自专栏xiaosen
大模型应用框架-LangChain
LangChain的应用是需要多个组件共同实现的，LangChain主要支持6种组件： Models：模型，各种类型的模型和模型集成，比如GPT-4 Prompts：提示，包括提示管理、提示优化和提示序列化 LLMs: 大语言模型接收文本字符作为输入，返回的也是文本字符. 聊天模型: 基于LLMs, 不同的是它接收聊天消(一种特定格式的数据)作为输入，返回的也是聊天消息. 2.1.1 LLMs (大语言模型) LLMs使用场景最多，常用大模型的下载库：https://huggingface.co/models： 接下来我们以「文心一言」模型为例, 使用该类模型的组件： 第一步 因为大模型虽然非常强大，但是也具备一定的局限性，比如不能回答实时信息、处理数学逻辑问题仍然非常的初级等等。因此，可以借助第三方工具来辅助大模型的应用。 " os.environ['QIANFAN_SK'] = "hOGdXomPZu8FRL51dkBZrEee4tqaS6PM" # 2 实例化大模型 llm = QianfanChatEndpoint(
1.8K10编辑于 2024-06-04 - 来自专栏大模型应用
大模型应用：隐私优先的大模型应用：同态加密与大模型结合的完整实践.101
今天我们就由浅入深拆解“同态加密 + 大模型”的完整体系，覆盖核心概念、基础原理、执行流程和实际落地，整体还是比较复杂和麻烦的，我们借此多了解一些核心概念和基础，在需要的时候再深入研究加以应用，尽量通俗的梳理 同态加密 + 大模型的核心价值：在保护数据隐私的前提下，无损利用大模型的智能能力。2. 应用场景分析5.1 隐私数据问答场景：银行利用大模型分析用户的加密交易数据，回答“该用户是否符合贷款条件”。 传统方式：用户提交明文交易流水 → 银行大模型分析明文 → 输出结论，存在流水数据泄露的风险；同态加密方式： 1. 用户用公钥加密交易流水，仅用户有私钥；2. 企业加密合同文本，生成密文向量；2. 大模型在密文向量上执行“关键词提取”、“条款解析”等运算；3. 输出加密的提取结果；4. 企业解密后得到明文的关键条款。6.
66331编辑于 2026-05-09 - 来自专栏大模型应用
大模型应用：情感分析：用Stacking堆叠集成+大模型实现1+1＞2的AI决策.92
，有的擅长识别负面），但大模型整合所有小模型的结果后，能做出更全面、更准确的决策，实现"1+1>2"。 大模型通过学习“小模型结果的权重”来优化决策，比如： 小模型1对“美食类文本”判断准，大模型就给它更高的权重；小模型2对“旅游类文本”判断准，大模型就针对性提升它的权重。 BERT：0.8734 Stacking+大模型：0.9403结果图示：应用优化建议：小模型选择技巧： 尽量选互补性强的模型，比如一个基于统计（贝叶斯）、一个基于分类（SVM）、一个基于语义（BERT） 以前总觉得，一个任务要么用传统小模型，要么直接上大模型，现在才明白，把它们搭在一起用，才是真正的 1+1>2。 我们刚接触时不用一上来就搞复杂结构，先选2–3个差异大的小模型，比如朴素贝叶斯、SVM、轻量BERT，先跑出预测结果，再把这些结果拼起来喂给大模型。
40221编辑于 2026-04-30 - 来自专栏后台技术汇
大模型应用之概念篇（2）：预训练、Transformer算法、token计算
大模型的预训练 预训练值得特别关注有2个原因： 1. 前期预训练的成本高（GPT-4预训练成本超1亿美元）但效果好；后期的模型微调则投入产出比低； 2. 预训练依赖大规模数据，企业长期积累的优质数据是核心竞争力（数据质量与大模型生成效果呈正相关） 数据集和训练数据 Transformer算法 ►Transformer 是什么？ 变形金刚？ ►大语言模型是基于概率的模型，它基于训练数据中的统计信息，预测下一个词； ►由于基于概率去决策，即使是相同问题，每次回答都稍微不同 Transformer架构工作流程： ►组成 Transformer ►►第三步：输入编码信息矩阵 C，Decoder 输出预测性结果 编码信息矩阵 C 输入Decoder，根据当前解码过的单词 1~ i 解码下一个单词 i+1，最终得到预测性结果 token计算 影响大模型 token 生成速率的采样概率参数有 max_token、top_k/top_p、temperature "大模型通过Token处理文本时，中文的Token-字符映射呈现阶梯式特征： 基础层：单个汉字
97710编辑于 2025-07-31 - 来自专栏AIOT
在Jetson上玩转大模型Day11：SAM2应用
同样的，在航拍应用、无人驾驶、工程实施等应用，简单的物体识别就显得过于粗糙，实用价值非常有限。 见面文章中提到Google研究院所提出的ViT（Vision Transofmers）技术，将机器视觉与大语言模型结合成多模态的应用，为机器视觉领域开创新的纪元，于是在这个基础之上又发展出许多新的技术， 其中Meta所开源的SAM（Segment Anthing Model）模型，算得上是破局影响力的技术，目前已经发展到SAM2版本。 现在我们就要在NVIDIA Jetson Orin上创建执行SAM2的应用环境。 （或框）以获得掩码 同时分割和跟踪多个目标 現在就可以開始好好跟隨每個ipynb裏面所提供的指示，開始輕鬆學習SAM2有趣並且強大的功能。
1.2K10编辑于 2024-11-08 1大模型应用开发基础
1、大模型应用开发基础 AGI（Artificial General Intelligence）中文译为「通用人工智能」。是具备超越人类智能的 AI。 大模型 AI 能干什么？ 大模型，全称「大语言模型」，英文「Large Language Model」，缩写「LLM」。 本课第一个专业向要求：分清对话产品和大模型。 AI 技术正逐步应用于艺术创作。 「AI」之后出现「技」的概率大于其它字。这些字之间的概率关系，就是大模型训练时学到的。 划重点：使用大模型，首先要建立对象感。你是什么角色？Ta 是什么角色？ 大模型应用产品架构 Agent 模式还太超前，Copilot 是当前主流。 实现 Copilot 的主流架构是多 Agent 工作流 模仿人做事，将业务拆成工作流（workflow、SOP、pipeline） 每个 Agent 负责一个工作流节点 大模型应用技术架构 大模型应用技术特点
19310编辑于 2026-06-16- 来自专栏澜舟科技 NLP
大模型落地实践：同花顺大模型技术应用及优化
文内从业务角度介绍了大模型技术在同花顺业务上的应用以及未来探索的方向。众所周知，大模型参数量大，通用能力强，综合性能好。 这个问句量和用户量在问答系统中应该算非常大的。图片问财对话系统在大模型的应用上有几个难点。首先，它偏重金融业务知识，并且对于时效性要求很高。 这里特别说明一下“时效性”的问题。 确实在我们的业务模型里，规则占比非常大，也是因为涉及用户财产问题，技术上会比较保守。下面具体介绍问答系统里大模型应用的经验和取得的成果。 大模型的参数增加会带来效果的提升，但是在实际应用的经济角度考虑，宁可损失一些效果，尽量减少对资源的占用，所以我们投入了很大的精力做“模型轻量化”工作。 总结大模型技术在同花顺业务中的应用基本都有比较好的通用性，并且带来了比较好的性能提升，我们也希望在医疗、法律、教育等领域的子公司业务中推广，同时和澜舟科技以及学术界的老师们合作，把大模型用得更好，谢谢大家
3.4K20编辑于 2022-08-11 - 来自专栏后台技术汇
大模型应用之（4）：Langchain架构与大模型接入
背景 LangChain 是一个用于开发由大型语言模型（Large Language Model，LLM）驱动的应用程序的框架。 旨在简化使用大型语言模型的应用程序。 Langchain架构 LangChain工具 组件：大模型包装器、聊天模型包装器、数据增强工具和接口链： 提供了标准接口，和数据平台和实际应用工具紧密集成 LangChain六大模块 模块 核心作用 v=9qq6HTr7Ocw 小结： 各模块采用松耦合设计，可通过标准化接口组合使用 实际应用中通常以链为核心组织工作流（如检索QA链=数据增强+模型I/O+记忆） 回调系统提供贯穿所有模块的可观测性能力 Agent作为高级模块，可调用其他所有模块功能 大模型接入 接入示例 云服务和私有化大模型优劣对比 维度 开发成本 算力成本 运维成本 数据安全 云厂商大模型 较低，开箱即用 算力资源充足，大模型性能好 &吞吐量较高 较低，提供云平台监控 安全性低 私有化大模型 较高，自建大模型网关、服务鉴权、可用性等 算力硬件投入成本高，大模型性能较差低&吞吐量较低 较高，需要专业运维团队介入 安全性高，保密性强
1.2K10编辑于 2025-08-04 - 来自专栏AI智能体开发
AI教育大模型及其应用
人工智能在教育领域的应用日益深入，涌现出许多AI教育大模型，它们致力于提升教学效率、优化学习体验、推动教育公平。 以下是一些国内外知名的AI教育大模型及其应用：国内AI教育大模型：科大讯飞星火语伴： 基于科大讯飞星火认知大模型，主要应用于语言学习领域。 好未来MathGPT： 好未来（学而思）自研的数学学习大模型，专注于数学学科的学习。网易有道子曰教育大模型： 国内首个教育大模型，已率先推出六大应用，并在词典笔等学习硬件上实现全科辅导。 天工大模型（昆仑万维）： 国内首个对标ChatGPT的双千亿级大语言模型，也是AI搜索引擎和对话式AI助手。EmoGPT（华东师范大学）： 自研大模型，主要应用于心理疏导。 国外AI教育大模型：Khanmigo（可汗学院）： 基于ChatGPT-4，应用于多学科学习，为学生提供个性化问答和深度思考支持。
1.6K10编辑于 2025-06-19 - 来自专栏喔家ArchiSelf
大模型应用的能力分级
对大模型应用的能力分级就像给学生打分一样，能让我们更清楚它的本事有多大。能力分级能帮我们设定目标，知道AI现在能干什么，未来还要学什么。 大模型的应用主要有两种常见模式：RAG 和 Agent。选哪种 RAG 架构，得看具体要解决什么问题，确保它适合任务需求。 关于RAG 的更多资料，可以参考《大模型系列——解读RAG》、《RAG的10篇论文-2024Q1》、《Chunking：基于大模型RAG系统中的文档分块》、《解读GraphRAG》和《在大模型RAG系统中应用知识图谱 》、《基于大模型（LLM）的Agent 应用开发》和《当你问代理机制的时候？ 小结 将大模型应用的能力进行分级，不仅有助于推动技术发展，还能更好地匹配实际应用场景，同时也让公众更容易理解其价值。
2.2K20编辑于 2025-03-31 - 来自专栏muller的测试分享
大语言模型应用框架介绍
大语言模型应用框架针对上述限制，直接调用大语言模型似乎并不是最佳选择，因此出现了基于大语言模型的应用框架，旨在解决这些问题。 大语言模型的应用框架通常指的是使用已有的大模型进行各种自然语言处理任务时所采用的软件架构或工具集，这些应用框架提供了一种便捷的方式，使得开发者能够利用大语言模型的强大能力解决特定的问题。 开放文档 丰富的示例代码和教程可能存在不完善或难以理解的情况社区活跃 活跃的社区支持和交流社区活跃度较低 更新维护频率持续的更新和改进 更新维护频率不稳定 目前有多种大语言模型的应用框架 包括 LangChain 的设计理念，兼具易用性（LCEL）与很强的拓展性，都成为学习大语言模型应用框架的首选如何学习大语言模型应用框架学习大语言模型应用框架应当循序渐进，所以本课程主要分为 5 个模块 总结了解什么是大语言模型应用框架。了解大语言模型应用框架的应用场景。了解常见的大语言模型应用框架。了解大语言模型的学习路线。
65610编辑于 2024-09-04 - 来自专栏AI智能体
AI语音大模型的应用
AI语音大模型的应用已渗透到日常生活、行业服务及社会发展的多个领域，凭借“自然交互、智能理解、多场景适配”的核心优势，重构了人机交互方式并推动效率革新。以下从典型场景出发，梳理其核心应用价值。 例如，小米、天猫精灵等智能音箱搭载语音大模型后，不仅能执行基础开关操作，还能根据用户习惯主动推荐服务（如“检测到阴天，已为您拉开窗帘并打开补光灯”）。2. 这类应用显著提升了弱势群体的数字生活参与度。2. 公共服务政府与公共机构利用语音大模型优化服务体验：政务热线通过语音交互快速解答政策咨询（如“异地就医如何备案？”） 四、技术融合趋势：从单一功能到生态协同当前，AI语音大模型正与视觉（图像识别）、触觉（传感器数据）等多模态技术融合，进一步拓展应用边界。 总结AI语音大模型的应用本质是通过“自然语言交互”降低技术使用门槛，同时以强大的智能理解能力解决实际问题。
1.2K11编辑于 2025-09-29 图解大模型与实战应用
而如果你想真正理解这些改变背后的技术逻辑，亲手构建属于自己的 LLM 应用，那么这本 《图解大模型》 将是一本不可错过的实战之书。 作者巧妙地使用图示、插图和代码示例来解释复杂主题，如分词、嵌入、Transformer 模型以及注意力机制。 图片 2. 如果你觉得吃力，可以先快速浏览；后面的第 2、3 章会对这些内容进行更细致的讲解。 3. 重新认识 embedding 的价值 嵌入模型在该领域的重要性不言而喻，因为它们是众多应用背后的核心驱动力。 大模型在搜索引擎中的应用 第 8 章还探讨了语义搜索在 Google、Bing 等搜索引擎中的应用，讲解了 reranking（重排序）优化搜索结果的工程机制，内容很硬核。 图片 微调后的 BERT 模型能够识别人名和地点等命名实体 10. 模型训练与微调 这一部分是我最期待的内容之一——将大模型（LLM）适配到特定的应用场景，展现了它们的灵活性和广泛的适用性。
48910编辑于 2026-03-13基于大语言模型的应用
在AI领域，大语言模型已成为备受瞩目的焦点，尤其在自然语言处理（NLP）领域，其应用愈发广泛。BLM作为一种多任务语言建模方法，旨在构建一个具备多功能的强大模型。 NLP中的文本生成任务通常需要使用大规模预训练模型进行训练，例如 BERT、GPT-2等。在预训练阶段，这些模型将使用大量语料库对其进行训练。 悦数图数据库凭借其前沿的图技术，为大语言模型注入了万亿级的丰富上下文，显著提升了模型的回答准确度，为企业级应用提供了强大的支持。 通过引入悦数图数据库，企业能够以更低的费用成本和更短的时间成本，实现大模型落地应用。这不仅优化了企业的运营效率，还提高了决策的准确性，为企业在激烈的市场竞争中赢得了宝贵的时间和资源。 未来，随着技术的不断进步和应用的深入拓展，悦数图数据库将继续为大语言模型领域注入新的活力，推动企业级应用走向更加智能、有效的新时代。
66410编辑于 2024-04-30
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号