- 综合排序
- 最热优先
- 最新优先
- 来自专栏ytkah
sql批量修改wordpress网站的文章发布状态
[value-3],`post_date_gmt`=[value-4],`post_content`=[value-5],`post_title`=[value-6],`post_excerpt`=[value
83620编辑于 2022-03-14 - 来自专栏数据猿
大模型到底能有多“大”？
那我们沿着这条道路，进一步把神经网络规模做大，比如做到1万亿参数、10万亿参数、100万亿参数，会不会在某个节点实现第二次智能涌现，把现在大模型的能力再上一个台阶，甚至实现AGI，实现大模型神经网络的意识觉醒呢 量变引起质变，大模型的“大” 深度学习的历史可以追溯到上世纪50年代，但真正的爆发是在过去的十年里，特别是随着计算能力的提升和数据量的增加。 这些大模型，已经在语言理解、生成任务以及其他领域取得了突破性的成绩。 大模型到底可以做多大？ 我们不禁要问这样一个问题：大模型到底可以做多大？有哪些限制了大模型的规模？ 此外，大模型作为“黑箱”的特性可能导致AI失控的风险增大，这对于模型的安全性和可靠性提出了新的挑战。 综上所述，大模型的发展面临着多方面的限制和挑战。
52010编辑于 2024-02-23 - 来自专栏软件开发 -- 分享 互助 成长
大整数相加和大整数相乘
1、大整数相加 先看一下加法的计算过程，如456+56789 456 56789 --------- 57245 计算过程是从低位往高位开始计算，计算过程要加上进位，如，计算到5+8的时候要加上前面的进位 边界条件： 两个大整数相加，结果的长度可能与两个数中长度较大的一个相等，也可能比其大1(进位造成)，如123+12=135,123长度为3,12长度为2，结果长度为3，再如99+1=100,结果长度为 考虑到这样的边界条件，在申请内存的时候需要对结果至少申请长度较大的那个还要大1。 2、大整数相乘 乘法相对于加法稍微复杂一点，需要同时考虑乘法进位和加法进位，还要注意一下计算过程和结果中的对应关系。
2.5K100发布于 2018-02-05 - 来自专栏创作是最好的自我投资
通用大模型VS垂直大模型
在人工智能这个充满无限可能的领域内，通用大模型和垂直大模型各有千秋。就我个人而言，在二者之间的选择上，并不存在偏向某一方的倾向。我觉得应当依据实际应用场景的具体需求，来挑选最为契合的大模型。 通用大模型通用大模型，乃是旨在应对多种任务与数据类型的庞然大物级人工智能模型。 在知识覆盖的广度方面，通用大模型无疑具有明显的优势。当我们对于当下所需模型所涉及的精确专业领域的界限感到模糊不清时，选择通用大模型无疑是一种明智之举。垂直大模型接下来谈谈垂直大模型。 然而，由于垂直大模型的训练内容聚焦于当前行业，其涉猎的范围更集中，数据针对性更强，所以在提供专业咨询时往往更加精准、细致，这也正是垂直大模型的独特价值所在。 因此，对于通用大模型或者垂直大模型，更倾向于哪一方不取决于个人想法，而是取决于用户需要。
78101编辑于 2024-12-30 - 来自专栏小洁叫你mysql
【AI大模型】训练Al大模型
大模型超越AI 目前所指的大模型，是“大规模深度学习模型”的简称，指具有大量参数和复杂结构的机器学习模型，可以处理大规模的数据和复杂的问题，多应用于自然语言处理、计算机视觉、语音识别等领域。 本文将探讨大模型的概念、训练技术和应用领域，以及与大模型相关的挑战和未来发展方向。 应用领域 首先来谈一谈大模型的·成就 大模型已经在许多应用领域取得了显著的成果，包括： 自然语言处理： import torch from transformers import T5Tokenizer 大模型是指具有庞大参数数量的机器学习模型。传统的机器学习模型通常只有几百或几千个参数，而大模型则可能拥有数亿或数十亿个参数。 训练大模型的挑战 训练大模型需要应对一系列挑战，包括： 以下是与大模型相关的一些代码示例： 计算资源需求： import tensorflow as tf # 指定使用GPU进行训练 with tf.device
1.5K30编辑于 2023-10-10 - 来自专栏云云众生s
为什么大语言模型这么大？
AI模型主要由浮点数构成，通过分词器和嵌入模型等各种组件处理输入来运行。它们的大小从千兆字节到太字节不等，更大的参数数量可以提高性能和细微差别表示。但是，它们是如何变得如此庞大的呢？
45000编辑于 2025-01-25 - 来自专栏小牛肉带你学Java
9.9大还是9.11大？绕晕一大批AI大模型
一天前，一名来自美国独角兽公司的staff prompt engineer 发现AI竟然无法辨认9.9大还是9.11大。 与此同时，一场面对AI的考核也被发起，大家纷纷测试身边的AI大模型，看看会不会发生同样的情况。 我们也来测试一下目前市场上主流的几家AI大模型： 1.Kimi大模型 2.文心一言 3.星火讯飞 4.豆包大模型 可以看出国产大模型在本次考试中表现的还是不错的，只有豆包一家出错，而且再次反问之后也很快纠正了自己的错误 13.8，再次问及大模型，没想到答案还是出错了。 例如，有时它们会错误地认为 9.11 美元比 9.9 美元多，仅仅因为“11”比“9”大。然而，当它们进一步分析时，可能会发现实际上 90 美分比 11 美分多，从而不断修正自己的观点。
25410编辑于 2024-09-26 - 来自专栏LiveEdu在线科技教育平台
2017编程趋势预测：10大技术大热，10大技术遇冷
SVG和HTML包含了一大堆标签，Web开发者使用起来往往更方便，现在还有了大的APIs，让你可以在画布对象上详细地绘画图形，通常还会提供视频卡来帮助你使用。 Android大热, iOS遇冷 几年前，苹果专卖店门前排起的“人龙”还记得吧？ 大热的是Node.js, 遇冷的是JavaEE, Ruby on Rails 服务器的世界一直在线程模型上长盛不衰，它让程序员在使用操作系统时可以有种种行为，如固执，低效或是放任。
1.8K100发布于 2018-05-21 - 来自专栏大数据文摘
大数据：大机遇还是大忽悠？
持反方观点，为大技术时代的到来欢呼的，一位是北京大学光华管理学院新媒体营销研究中心副主任苏萌，另一位是日本政治家、内阁成员山本一太。
4.1K81发布于 2018-05-18 - 来自专栏IT从业者张某某
大模型与大模型的幻觉问题
参考 大模型中的涌现 OpenAI 科学家：幻觉是大模型与生俱来的特性，而非缺陷 大模型「幻觉」，看这一篇就够了｜哈工大华为出品 大模型 什么是大模型 大语言模型（LLM）是基于海量文本数据训练的深度学习模型 大模型的模型发展如下图 涌现 参考：大模型中的涌现 什么是涌现？先从蚂蚁开始说起。蚂蚁是自然界中一种个体非常简单，但是群体能力非常强大的生物。 如何解决大模型的「幻觉」问题？ 方向一：什么是大模型「幻觉」 大模型出现幻觉，简而言之就是“胡说八道”。 用文中的话来讲，是指模型生成的内容与现实世界事实或用户输入不一致的现象。 OpenAI 科学家 Andrej Karpathy关于大模型幻觉 在 Karpathy 看来： 从某种意义上说，大语言模型的全部工作恰恰就是制造幻觉，大模型就是「造梦机」。 只有大模型助手存在幻觉问题。 方向二：造成大模型「幻觉」的原因 那么致使大模型产生幻觉的原因都有哪些？
1.8K11编辑于 2024-01-04 - 来自专栏数据派THU
原创 | 大模型扫盲系列——初识大模型
为了提高模型的性能，研究者们不断尝试增加模型的参数数量，从而诞生了大模型这一概念。本文将从大模型的原理、训练过程、prompt和相关应用介绍等方面进行分析，帮助读者初步了解大模型。 为了提高模型的性能，研究者们不断尝试增加模型的参数数量，从而诞生了大模型这一概念。本文讨论的大模型将以平时指向比较多的大语言模型为例来进行相关介绍。 训练三步骤 初步认识了大模型长什么样了，接下来一起来看看如何训练出一个大模型。 除这些外还包括算法优化、隐私和数据安全以及模型可解释性等方面的研究和应用，每天还有很多大模型的应用正在不断涌现，大模型在未来仍然有很大的发展潜力，国内的优秀大模型代表例如百度文心大模型也正在搭建全系统产业化的大模型全景 大模型挑战 大模型也存在一些现实挑战： 1.数据安全隐患：一方面大模型训练需要大量的数据支持，但很多数据涉及到机密以及个人隐私问题，如客户信息、交易数据等。
21.2K29编辑于 2023-11-22 - 来自专栏dcmickey小站
Redis删除大key和大value问题
；直接影响容易导致集群的容量和请求出现”倾斜问题“ 如果已经有大key了， 直接删除它，DEL命令可能阻塞Redis进程数十秒，对应用程序和Redis集群可用性造成严重的影响 一、直接删除大Key的风险 生产环境中遇到过多次因业务删除大Key，导致Redis阻塞，出现故障切换和应用程序雪崩的故障。 测试删除集合类型大Key耗时，一般每秒可清理100w~数百w个元素; 如果数千w个元素的大Key时，会导致Redis阻塞上10秒可能导致集群判断Redis已经故障，出现故障切换；或应用程序出现雪崩的情况 遍历包含n个元素的大key.这样避免单个O(n)的大命令，导致Redis阻塞。 这里删除大key操作的思想也是如此。
2.5K10编辑于 2022-06-09 - 来自专栏人工智能极简应用
【AI大模型】Transformers大模型库（八）：大模型微调之LoraConfig
一、引言 这里的Transformers指的是huggingface开发的大模型库，为huggingface上数以万计的预训练大模型提供预测、训练等服务。 get_peft_model(model, config) print_trainable_parameters(model) 三、总结 本文简要介绍LoraConfig的配置参数情况，具体的机遇peft对大模型进行微调后面单独开一页详细讲解
96410编辑于 2024-08-13 - 来自专栏京程一灯
我理解的“大前端”或“大无线”
其实我今天本来想讲的事情，并不只是“前端”，而是这次团队组织架构调整后的“大无线”，为什么要从“大前端”到“大无线”，也是基于最大化价值输出的考虑，这是后话。 ，在整个“大无线”的范围内解决相关的问题。 后来，算是跟上了“大无线”整合的契机，也是公司业务飞速发展的契机。 专门的架构组职能 到这里，才讲到，为什么要整合“大无线”？基于前文的分析，无非是让大家更关注大团队的价值输出，而不是某个业务或者某个技术工种的价值输出，前文多有体现其中的各种弊端。 虽然，整个无线端包含了这么多角色，但是我深感欣慰的是，我们在各自领域都有了一定的基础积累，所以在这样大整合的趋势下，能够良好运转，并快速发挥各自优势为整个团队的发展出一份力。
1K10发布于 2019-03-28 - 来自专栏学习
开源大模型与闭源大模型
在人工智能（AI）和机器学习（ML）的快速发展过程中，大模型（Large Models）已经成为推动技术进步的重要力量。当前，业界存在两种主要的大模型开发模式：开源大模型和闭源大模型。 一、开源大模型 开源大模型是指开发者将模型的代码和训练数据公开，使得任何人都可以访问、修改和使用这些资源。 二、闭源大模型 闭源大模型是指模型的代码和数据不对外公开，通常由商业公司开发和维护。代表性的闭源大模型包括OpenAI的GPT-3和Google的BERT。 三、开源大模型与闭源大模型的对比 1.透明性与可控性： 开源大模型的透明性更高，任何人都可以查看和验证其代码和数据，确保模型的行为符合预期。这对于学术研究和技术验证非常重要。 闭源大模型通过控制代码和数据的访问，能够更好地保护用户隐私和数据安全，降低被恶意利用的风险。 五、总结 开源大模型和闭源大模型各有优缺点，适合不同的应用场景和需求。
1.7K10编辑于 2024-10-09 - 来自专栏分布式系统和大数据处理
大数据：大价值大机遇大变革
大数据：大价值大机遇大变革 2017-3-26 张子阳 推荐: 1 难度: 1 ? 这本书就像一个印刷出来的PPT，字体比较大，留白比较多，大量图片，全彩印刷。
1.1K40发布于 2018-09-30 三大领域大语言模型安全基准测试
TRIDENT：金融、医疗和法律领域的大语言模型安全基准测试随着大语言模型（LLMs）在法律、金融和医疗等高风险领域的部署日益增多，系统评估其领域特定安全性和合规性变得至关重要。 为填补这一空白，研究首先基于某机构医学伦理原则、某机构专业行为示范规则和某机构道德准则，定义了大语言模型的领域特定安全原则。
31900编辑于 2025-09-04- 来自专栏大数据文摘
2016大数据发展7大趋势
因此，高级管理人员正在寻找其人力资源的确切数据，所以，2016年我们会看到人力资源分析将迈出一大步。 人力资源分析虽然是人事部门新的业务领域，但为了更好地提高人力资源的投资回报率，该业务增长极为迅速。 对于那些大的商业组织而言，大数据已经成为通用语言。在适应新趋势方面，政府是缓慢的，但是在2016年，我们会看到更多的国家、地区和地方政府会采用大数据技术来提高社会和公民的体验。
1.2K60发布于 2018-05-22 - 来自专栏小胡的技术分享
对于大模各大厂大模型的看法
前言：近段时间也是在学习技能大赛的相关的题目，对于一些不会的题目我还是选择性的扔给GPT等大模型，但是国内的大模型包括一些所谓的GPT4我认为都不是很准确，极容易导致一些代码的错误。 通义千问使国内较早的大模型之一了，依托阿里的大模型，它的搜题能力是比较快的可以夸克在里面进行搜题等操作同时个人感觉使用方面没有那么方便需要下载APP或者访问网页端。 豆包作为字节的大模型在代码显示方面、搜索某些较难的题型上面我认为要略胜于元宝的呢。 如今的医疗、教育、金融、社交媒体、电商等领域也需要大模型的参与。 大模型的大面积普及对于新手以及初次使用大模型的新人来说元宝大模型在网页方面不是很便捷因为如果说是用户忘记带设备的情况下是无法扫码的反之其他的大模型可以使用账号密码进行登录，这里希望元宝可以真正的去适配一下 新时代的当下大模型正在迅速发展，更多优秀的大模型等待各位开发者去寻找也需要各大厂商开发！
52910编辑于 2024-10-17 - 来自专栏机器学习入门
【AI大模型】LLM主流开源大模型介绍
学习目标 了解LLM主流开源大模型. 掌握ChatGLM、LLaMA、Bloom等基础大模型的原理 LLM主流大模型类别 随着ChatGPT迅速火爆，引发了大模型的时代变革，国内外各大公司也快速跟进生成式AI市场，近百款大模型发布及应用 目前，市面上已经开源了各种类型的大语言模型，本章节我们主要介绍其中的三大类： ChatGLM-6B：衍生的大模型（wenda、ChatSQL等） LLaMA：衍生的大模型（Alpaca、Vicuna 在中文上效果差，训练语料不包含中文或者一个汉字切分为多个 token，编码效率低，模型学习难度大。 小结 本小节主要介绍了LLM主流的开源大模型，对不同模型架构、训练目标、优缺点进行了分析和总结。
1.2K10编辑于 2024-09-24
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