- 综合排序
- 最热优先
- 最新优先
- 来自专栏心源易码
Amazon Bedrock + Llama3 生成式AI实践
在具体的参数数量上，Llama 3 8B和Llama 3 70B在两个定制的24,000个GPU集群上的训练，不仅展示了Meta在硬件资源上的雄厚实力，也体现了其在软件优化上的深厚功底。 这样的训练规模，使得Llama 3成为了当今性能最好的生成人工智能模型之一。将视角转向人工智能基准测试，Llama 3的表现同样令人瞩目。 Llama 3 70B 适合内容创作、对话式 AI、语言理解、研发和企业应用。该模型擅长文本摘要和准确性、文本分类和细微差别、情感分析和细微推理、语言建模、对话系统、代码生成和遵循指令。 （FM），以及通过安全性、隐私性和负责任的 AI 构建生成式人工智能应用程序所需的一系列广泛功能。 响应长度是生成文本的最大长度限制，超过这个长度的文本将被截断或停止生成。
47410编辑于 2024-05-11 - 来自专栏自学气象人
生成式 AI 简介
这个科技就是生成式人工智能 (Generative Artificial Intelligence, GenAI)，现在只是 GenAI 革命的开始，现在是学习 GenAI 的最佳时机。 1. 这个例子展示了生成建模背后的基本概念，虽然现实中用生成模型要复杂很多，但其基本框架是相同。 3. 相信你不会说你图像中像素 1 的颜色是黑，像素 2 的颜色是淡黑，像素 3 的颜色是灰等等。 normalizing FLOW model) 但是对密度函数做逼近，比如变分自动编码器 (variational autoencoder, VAE) 和扩散模型 (diffusion model) 对密度函数隐式建模 比如生成对抗网络 (generative adversarial network, GAN) 总结 生成式人工智能 (GenAI) 是一种可用于创建新的内容和想法 (包括文字、图像、视频和音乐) 的人工智能
67410编辑于 2023-09-05 - 来自专栏王的机器
生成式 AI 简介
这个科技就是生成式人工智能 (Generative Artificial Intelligence, GenAI)，现在只是 GenAI 革命的开始，现在是学习 GenAI 的最佳时机。 1. 这个例子展示了生成建模背后的基本概念，虽然现实中用生成模型要复杂很多，但其基本框架是相同。 3. 相信你不会说你图像中像素 1 的颜色是黑，像素 2 的颜色是淡黑，像素 3 的颜色是灰等等。 normalizing FLOW model) 但是对密度函数做逼近，比如变分自动编码器 (variational autoencoder, VAE) 和扩散模型 (diffusion model) 对密度函数隐式建模 比如生成对抗网络 (generative adversarial network, GAN) 总结 生成式人工智能 (GenAI) 是一种可用于创建新的内容和想法 (包括文字、图像、视频和音乐) 的人工智能
68430编辑于 2023-09-02 - 来自专栏云云众生s
生成式AI的数据开发者体验：性能优化
如果数据性能优化的需求因生成式AI而突然消失，大量熟练的数据工程师该何去何从？ 生成式AI随之出现，期待你可以随心所欲地向数据提出任何问题(并可能用Majel Barrett的声音听到结果)。现在，性能优化成了问题。模式改变了。 你可能需要AI增强的分析工具告诉你数据库用户最可能向AI增强的分析工具提出什么问题。 他提供的四个原因之一是以便数据库为一种当时还不存在的功能让路：“极大地改进执行的自动优化——并在必要时，自动重新优化。”换句话说，即时进行的性能优化，而不是提前由存储过程进行。 随着生成式AI进一步渗透到组织中，第三类客户可能正在形成。他们可能不是“开发者”这个意义上的开发者，即每天与Python、JDBC驱动程序和JSON文件战斗的人。他们可以在更广泛的意义上是开发者。
44110编辑于 2024-03-27 - 来自专栏慕枫技术笔记
深入理解生成式AI技术原理：初识生成式AI
真正的大师永远怀着一颗学徒的心 如果将人工智能按照用途进行简单分类的话，人工智能可以划分为决策式AI以及生成式AI两类。 所谓决策式AI就是通过学习训练数据的中的条件概率分布情况来进行判断决策，判断样本属于指定目标的概率，比如人脸识别就是典型的决策式AI，终端设备根据摄像头获取到的人脸图像来进行特征信息匹配，和后台系统中的人脸特征库进行对比来判断当前人脸信息是否在系统人脸特征库中或者是否有权限执行操作 而以ChatGPT为代表的生成式AI通过对大量数据的联合概率进行学习，对已有的数据和知识进行归纳总结，同时结合深度学习技术，自动生成新的内容，而新生成的内容可以是文字、图片甚至是视频等多模态内容。 深度学习 深度学习是生成式AI背后比较核心的实现技术，它是机器学习的重要优化手段，而机器学习又是人工智能领域重要的落地实现措施。 总结 本文主要对生成型AI进行了初步阐述，同时针对生成型AI最核心的两个技术点分别进行了初步说明，后面的专栏文章中将继续以深度学习以及大模型核心技术点作为切入点来深入分析生成型AI背后的技术原理。
2.3K30编辑于 2023-08-10 - 来自专栏DrugOne
Nature | 通过语言模型反馈反向传播优化生成式AI
类比于此，研究人员在本文中提出了一种通用优化框架 TextGrad，该框架通过反向传播LLM生成的反馈来改进AI系统。 TextGrad利用自然语言反馈来批判性分析并建议优化系统的各个部分——从提示词（prompts）到输出结果（如分子结构或治疗方案），从而实现对生成式AI系统的自动优化，适用于多种任务。 TextGrad的引入，使研究人员能够更加便捷地开发高效且具影响力的生成式AI系统。 大型语言模型（LLMs）正在重塑突破性人工智能（AI）系统的构建方式。 然而，这种基于数值梯度的优化方式很难应用于新一代生成式AI系统，因为此类系统往往涉及自然语言交互、黑盒LLM模型或外部工具，使得传统的数值梯度回传变得不可行。 实验结果表明，TextGrad具备自动改进生成式AI系统及其输出的巨大潜力。
61010编辑于 2025-03-21 GEO（生成式引擎优化）：AI搜索时代的内容新规则
随着生成式AI重构信息检索生态，用户获取信息的方式正从传统“关键词检索-点击链接-网站浏览”转向“自然语言提问-获取直接答案”的AI交互模式。 在这种背景下，GEO（Generative Engine Optimization，生成式引擎优化）应运而生，成为企业在AI搜索时代争夺“答案主权”的关键技术。一、GEO是什么？ 二、GEO的技术原理生成式AI引擎的工作流程包括：数据采集：从多样化渠道抓取原始数据构建语料知识库数据清洗：对原始数据进行清洗与标准化处理指标分析：构建可衡量、可优化、可追踪的GEO指标体系内容生成：快速输出匹配用户旅程和 例如使用schema.org标记问答内容：五、行业成功解决方案 百分点AI搜索洞察系统（www.generforce.com）是国内首款 AI原生的一站式GEO(生成式引擎优化)洞察与优化平台，独家融合 在这场变革中，企业必须认识到：生成式AI本身就是一个全新的、至关重要的用户接触渠道和界面，它需要专属的策略、优化体系和衡量标准。然而，这场范式革命也对企业的选择能力提出了更高要求。
2.3K10编辑于 2025-09-28- 来自专栏DevOps
【AI】生成式AI & Gemmi模型介绍
AI 人工智能 （AI） 被认为是机器（尤其是计算机系统）对人类智能过程的模拟。这些过程包括学习（获取信息和使用信息的规则）、推理（使用规则得出近似或明确的结论）和自我纠正。 生成式AI 生成式人工智能最近变得非常流行，它被大众用来生成不同类型的内容，包括文本、图像、视频等。 生成式 AI 是人工智能 （AI） 技术的一个子集，专注于根据输入数据或从现有数据中学习的模式生成新的原创内容。 与专为分类或预测等特定任务而设计的传统 AI 模型不同，生成式 AI 模型能够创建全新的数据样本，这些样本类似于它们所接触的训练数据。它使用生成模型，这些模型根据现有数据的学习概率分布生成新内容。 在这里，我们开发了用于不同领域的不同 AI 工具列表。 参考：What is Artificial Intelliegence? - DEV Community
93810编辑于 2024-05-06 - 来自专栏AIGC
【AI】SLM，LLM，对话式AI，生成式AI的差异分析
toc一个包含许多概念和缩写的标题，别担心，下面我将为你一一解释，谷歌趋势显示，生成式人工智能是讨论最多的流行语：这是有道理的，因为生成式人工智能代表了最广泛的类别。 它涵盖了所有旨在生成新内容的人工智能系统，这些内容可能是由人类创造的。一、生成式AI生成式 AI 旨在创建类似于真实的人类生成材料的新内容或数据。 我们的内部聊天机器人处理我们网页上的信息，包括数百篇博客文章，提供对数十人十年来生成的内容的最快访问。二、LLM VS SLM语言模型是特定类型的生成式 AI，专注于处理和生成文本。1. 三、对话式AI对话式 AI 是 AI 技术的一种应用，通常利用 LLM、SLM 或不同 AI 模型的组合来模拟类似人类的对话。 对话式 AI 使计算机能够模拟类似人类的对话。这包括一系列应用，包括聊天机器人、语音助手和交互式语音应答 （IVR） 系统。我正在参与2024腾讯技术创作特训营最新征文，快来和我瓜分大奖！
1.6K10编辑于 2024-05-06 - 来自专栏芯智讯
高盛：生成式AI将影响3亿人工作！
3月28日消息，随著基于生成式AI的智能聊天机器人 ChatGPT 的火爆，越来越多的企业开始借助生成式AI技术来提升办公效率。 据金融时报报导，投行高盛发布报告指出，生成式AI可能使发达经济体的3亿个工作机会受到影响。 然而，AI带来的自动化技术也可能严重破坏劳动力市场需求，可能影响近3亿个全职工作机会，从律师到行政人员都有可能“被AI取代”。报告也指出，欧美近三分之二的工作可能在某种程度上受到AI自动化的影响。 然而，另外约7%的人所从事的至少一半工作内容可被生成式AI取代的职业，这批人最可能面临“被AI取代”的困境。 ChatGPT开发商OpenAI先前也发表报告指出，美国80%劳工可运用生成式AI技术处理手上至少10%的工作。
32730编辑于 2023-04-11 - 来自专栏python3
Python3--列表生成式
你在使用python时,是不是遇到了这种情况,在for循环之前又加了一段代码,是不是感觉这种代码有点看不懂的感觉, 其实这是python的一个内置的强大的功能--列表生成式,它可以帮助你更好的简洁的实现代码 举个例子: 不用列表生成式来生成一个列表 ##################### 不使用列表生成式 ##################################### list = [] for i in range(9): list.append(i) print(list) 结果: [0, 1, 2, 3, 4, 5, 6, 7, 8] 使用列表生成式来生成一个列表 ####### ############## 使用列表生成式 ##################################### list = [i for i in range(9)] print(list ) 结果: [0, 1, 2, 3, 4, 5, 6, 7, 8] 对比这两种结果,你的直观感觉会觉得使用了列表生成式会一眼明了的看到了结果,很简洁明了.
46210发布于 2020-01-16 - 来自专栏云云众生s
用于生成式AI的OpenTelemetry
随着越来越多的组织采用大型语言模型 (LLM) 和其他生成式 AI 技术，确保可靠的性能、效率和安全性对于满足用户期望、优化资源成本以及防范意外输出至关重要。 对 AI 运营、行为和结果的有效可观察性可以帮助实现这些目标。OpenTelemetry 正在增强以专门支持生成式 AI 的这些需求。 对于生成式AI，这些约定通过标准化模型参数、响应元数据和令牌使用等属性，简化了AI模型的监控、故障排除和优化。这种一致性支持跨工具、环境和API的更好可观测性，帮助组织轻松跟踪性能、成本和安全性。 生成式AI的关键信号 生成式AI的语义约定侧重于通过三个主要信号捕获对AI模型行为的洞察：跟踪、指标和事件。 这些信号共同提供了一个全面的监控框架，能够更好地进行成本管理、性能调整和请求跟踪。 这些见解对于调试和优化可能出现意外行为的AI应用程序非常宝贵。 注意：请注意，我们决定使用发出的事件以及生成式AI的语义约定中的日志API规范。
94510编辑于 2024-12-17 - 来自专栏Java项目实战
Framer AI 零代码 生成式AI
Framer AI 零代码 生成式AIhttps://www.framer.com/更快的设计网站在熟悉的自由格式画布上设计您的网站。 使用Framer AI，你只需输入文本描述（支持中文），即可自动生成网站的设计、排版以及代码生成等工作。 在输入框中填写提示词：帮我做一个网站，拥有一级和二级菜单，可以定制化增加和减少菜单，拥有封面和简介，现在为我创作3. 点击“生成”按钮，等待AI为你创建网站。4. 同时，Framer AI也支持中文提示词，所以如果你使用的是中文描述，AI生成的内容也会是中文的。 pwd=3a3m#
1.6K50编辑于 2023-07-24 - 来自专栏大模型应用开发
生成式 AI 为何必须进行 AI 评测？
生成式AI为啥必须做AI评测？AI评测，就是用一套标准化规则，去衡量AI生成内容的质量、靠谱程度、安全性和实际表现的全过程。你可以把AI评测理解成生成式AI专属的单元测试。 但生成式AI完全是另一个路子。在生成式AI项目里：大模型就是系统的“大脑”。模型本质上就是个黑盒。输出是概率性的，不是固定不变的。一模一样的输入，可能跑出好几种不一样的结果。 ⚙️AI评测落地实操1️⃣DeepEval框架DeepEval是目前很火的生成式AI评测框架，自带完善的评测指标和现成示例，适配纯LLM提示、RAG流程、智能体工作流等各种场景。 这招直接省掉大量人工造数据集的力气，AI负责生成，人只需要复核校验质量就行。3️⃣最终评测结果判定不管是测提示词、RAG还是智能体系统，测试时都会计算多个指标。 这一步汇总，能保证评测结果统一、可量化、可落地，确保AI上线前足够稳。总结生成式AI能力强，但太“放飞自我”，想做出靠谱应用，结构化评测必不可少。
22510编辑于 2026-03-22 - 来自专栏自动化、性能测试
Python 高级特性（3）- 列表生成式
(0, 10), Iterable)) # 生成列表 lists = list(range(0, 10)) print(lists) # 输出结果 True [0, 1, 2, 3, 4, 5, 6 4 10 11 12 13 14 5 10 15 20 列表生成式前置知识 但如果要生成 怎么做？ [1x1, 2x2, 3x3, ..., 10x10] 当你不会列表生成式前就是用循环 res = [] for i in range(11): res.append(i * i) print( res) # 输出结果 [0, 1, 4, 9, 16, 25, 36, 49, 64, 81, 100] 但很明显繁琐了很多 列表生成式 针对上面的问题，列表生成式一句代码即可完成 res = [i * i for i in range(11)] print(res) # 输出结果 [0, 1, 4, 9, 16, 25, 36, 49, 64, 81, 100] 列表生成式：带 if # 筛选偶数
43120发布于 2021-04-19 - 来自专栏ThoughtWorks
生成式 AI 如何辅助软件交付
因此，只是考虑生成式AI如何帮助你更快地编写代码，是非常狭隘的。你需要思考整个交付周期，以及生成式 AI 如何成为整个交付周期的一部分。这样，你就可以获得可以工作的、高质量的软件。 所以当我们思考如何将生成式AI应用于构建软件时，它并不是为了让开发人员更快，而是为了改进整个流程。这将带来很多机会，因为生成式AI可以在软件开发生命周期中为你的人员提供很多帮助。 在使用生成式 AI 之前，你必须去 Google 自己搜索答案。 所以生成式 AI 还有很长的路要走。 但生成式 AI 可以消除许多流程中的障碍，这就是为什么你必须观察整个软件开发生命周期，包括思考我们如何培养未来的工程师成为优秀的工程师。 生成式 AI 会取代开发人员吗？ 生成式 AI 会取代开发人员吗？我觉得不会很快，多年来与客户合作的经验告诉我，产品需求永远不会减少，它总是会变得越来越大。
58920编辑于 2023-09-18 - 来自专栏云云众生s
使用生成式AI进行软件调试
译自 Debugging Software Using Generative AI，作者 Jeffrey Burt 是一位资深记者，拥有三十多年的新闻工作经验，过去二十多年专注于科技领域。 自从OpenAI于2022年11月底推出其ChatGPT聊天机器人以来，生成式人工智能工具和大型语言模型（LLM）的采用只有加速，深入渗透到各种形状、大小和行业的组织中，而软件开发人员并未对其产生免疫。 生成式人工智能的用例，如内容创作、对话式人工智能和语言翻译，在软件开发中是多样化且不断增长的，涉及代码优化和生成、错误修复、文档编写以及持续集成等方面。 据卡内基梅隆大学SEI博客中的AI专家在2023年10月的一篇文章称，开发人员越来越认为生成式人工智能是一个有用的工具。 LLM和软件验证 上个月，由马萨诸塞大学阿默斯特分校的计算机科学家领导的一组人表示，他们正在利用生成式人工智能和LLM的力量来解决验证代码的棘手挑战，以帮助防止软件中的漏洞。
40210编辑于 2024-03-28 - 来自专栏云云众生s
生成式AI幕后透明度
斯坦福大学、麻省理工学院和普林斯顿大学的研究人员最近的两项研究 深入研究了支撑世界上一些最先进且广受欢迎的生成式 AI 工具的 AI 基础模型，这些工具每天被数百万（甚至数十亿）人使用。 “基础模型”一词是用来描述支撑生成式 AI 的大型深度学习神经网络的统称。基础模型 在大量数据上进行训练，以执行各种各样的任务，从生成文本、图像和编程代码到流畅地用自然语言响应书面提示和问题。 不过，可以说，它们最大的力量在于支撑新的 AI 应用：与从头开始构建自己的模型相比，基础模型允许工程团队更快、更经济地开发新的生成式 AI 应用。 为什么 AI 透明度很重要 由于相对较少的几个基础模型支撑着如此多的面向人类的生成式 AI 工具，因此透明度的需求至关重要。 例如，当我们使用 ChatGPT 生成文本，使用 Stable Diffusion 创建图像，以及使用 Tabnine 生成代码时，我们需要了解它们的基础 ML 模型是如何开发和部署的。
50310编辑于 2024-07-08 - 来自专栏大数据杂货铺
将生成式AI 投入生产
生成式人工智能和大型语言模型 (LLM) 是人工智能的新革命，为世界带来了不到两年前我们只能梦想的能力。与深度学习等之前的里程碑不同，在当前的人工智能革命中，一切都发生得比以往任何时候都快。 大多数软件开发业务很快就会将生成式人工智能集成到他们的应用程序中，所以让我们来看看一些关键问题，以确保您走在正确的轨道上，朝着正确的方向前进。 考虑启动生成式 AI 项目时，第一个问题可能是模型放在哪里？深度学习时代教会了我们大多数人使用自己的专有模型，这些模型通常分布在云服务上。 更新很快 虽然很难理解，但面向大众的 NLP 生成式 AI 已经有大约 18 个月的历史了。 几个月前最先进的模型已经被新的替代方案超越——从提高开源模型标准的 Llama 3 到比 GPT-4 表现更好的 Claude 3——就在您阅读这些文字的时候，更有 前景的技术 正在涌现。
29910编辑于 2024-06-27 - 来自专栏明明如月的技术专栏
一文读懂“生成式 AI”
主要包括 4 个部分： 生成式 AI 的定义 生成式 AI 的工作原理 生成式 AI 模型的分类 生成式 AI 的应用 二、生成式 AI 介绍 2.1 生成式 AI 的定义 人工智能不等于机器学习 人工智能是关于赋予机器以模拟人类智能的能力的广泛领域 机器学习算法可以根据给定的输入数据进行学习，并通过调整模型的参数来优化性能。常见的机器学习算法包括线性回归、决策树、支持向量机和随机森林等。 生成式 AI 和深度学习的关系 生成式 AI 是深度学习的分支。 LaMDA 、PaLM、GPT 等生成式模型在喂了大量内容后，可以直接问猫是什么？它讲给出它所知道的答案。 生成式 AI 的定义 生成式 AI 是什么？ 2.4 生成式 AI 应用 生成式 AI 在文本（生成写作、AI 笔记、销售文案、聊天机器人、邮件编写等）、代码（代码生成、代码文档、文本转SQL、Web 应用构建等）、图片、发音、视频、3D 等领域都有大量的市场
7.2K61编辑于 2023-05-15
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