- 综合排序
- 最热优先
- 最新优先
- 来自专栏GiantPandaCV
星辰AI大模型TeleChat-7B评测
前言 受中电信 AI 科技有限公司的邀请，为他们近期开源的TeleChat-7B大模型做一个评测。 TeleChat-7B是由中电信 AI 科技有限公司发的第一个千亿级别大模型，基于transformer decoder架构和清洗后的1TB高质量数据训练而成，取得了相同参数量级别的SOTA性能，并且将推理代码和清洗后的训练数据都进行了开源 最后，我们可以从TeleChat-7B开源项目在文创方面展示的例子看到它具有不错的文创能力和一定的代码能力，可以作为开发者来使用的一个不错的基础大模型。 总结 总的来说，TeleChat-7B具有一定的文创能力和代码能力，对于本次测试的大多数prompt可以生成较为合理的答案。但模型本身也存在大模型幻觉，指令跟随能力一般以及回答有概率重复的问题。 此外，TeleChat-7B在开源方面是相当有诚意的，将清洗之后的训练数据进行开源是在之前的大模型开源中比较难见到的，如果想了解更多的数据清洗细节以及模型训练的细节可以阅读官方放出的技术报告：https
76920编辑于 2024-02-22 - 来自专栏软件测试学习
怎么通过API调用AI大模型获取响应结果
要通过api在代码里面去调用大模型，需要先申请大模型的api key,以deepseek官网为例，apikey的申请地址：https://platform.deepseek.com/api_keys 目前 代码案例的话，deepseek官网就有提供最简单的案例： https://api-docs.deepseek.com/zh-cn/ 调用上面的代码，需要安装依赖： pip install openai 通过上面2篇文章，一个是可以将大模型切换为其他第三方平台的api进行调用，有的平台注册会赠送一定的体验额度，可以临时用于代码调试啥的，另一篇文章的话，是可以将代码里面的apikey以及对应的api地址等信息放到配置文件里面 模型列表可以参考：https://huggingface.co/deepseek-ai/models https://modelscope.cn/models
5.1K10编辑于 2025-06-23 构建可靠AI模型的7大核心技术
稳健与脆弱AI国际标准化组织将AI稳健性定义为“AI系统在任何情况下保持性能水平的能力”。在稳健模型中，训练错误率、测试错误率和操作错误率几乎相同。 模型性能是否会下降？在什么情况下模型不再可行？当环境中的微小变化导致功能和准确性发生巨大变化时，模型就被认为是非弹性或“脆弱”的。脆弱性是软件工程中的已知概念，也适用于AI。 最终，所有AI模型都在某种程度上是脆弱的。开发可靠AI可靠AI即使在遇到训练数据中未包含的输入（称为分布外输入）时也能按预期执行。这些数据点与训练集不同，可靠AI必须能够检测数据是否为分布外输入。 为了更深入地了解AI如何运行，有一些工具允许模型在预测或输出旁边报告不确定程度。这朝着信任稳健系统迈进。如果模型报告高度不确定性，这对人类操作员或其他网络AI是有价值的洞察。 变化较慢、低优先级的模型可以在更长的时间线上检查，在某些情况下使用API进行功能自动评估。这些检查的结果应促使对任何异常、差异和意外结果进行调查和解决。
41800编辑于 2025-08-30- 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。 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 更智能的模型压缩技术：模型压缩和加速技术将继续发展，以减小大模型的计算和存储开销。 更好的计算平台支持：为了支持训练和部署大模型，计算平台将继续改进，提供更强大的计算资源和工具。
1.7K30编辑于 2023-10-10 - 来自专栏Java实战博客
自建Sub2API – Ollama 自建大模型API管理页 – AI IDE – CodeX使用本地模型
Sub2API 就是给 Ollama 套了一层 “企业级门面”，让你本地跑的大模型，能像商用 API（OpenAI 格式）一样被各种软件直接调用，还能管权限、控流量、做多模型调度。 Ollama启动 本篇不强调Ollama，因为很多Windows平台的电脑，跑大模型性能很差。这里只描述的Ollama启动，供Sub2API使用。 Ollama本地启动服务。 Sub2API启动 Sub2API 是一个开源的 AI API 网关与管理平台，核心是把你本地（如 Ollama）或云端（如 OpenAI、Claude）的 AI 模型，统一转换成标准的 OpenAI 简单说：分组 = 模型资源池 + 调度单元 + 权限边界。 随便起个名字就好 这个其实分组，没啥太大意义，只要是用于后续 创建Sub2API的秘钥，配置外部API信息都需要绑定我们的分组。 配置CodeX使用Sub2API 找到 API秘钥 - 创建秘钥 填写基本信息 使用 看到CodeX配置信息，按照要求创建文件，或者修改文件内容即可！ 如果你有其他AI IDE也可以介入。
9.2K30编辑于 2026-04-20 - 来自专栏量子位
AI的大模型时代 ≠ 只有大模型的AI时代
从这个规律来看，大语言模型（简称LLM）出现后虽然霸占了所有与AI相关的关键词，吸引了所有人的注意力，但这并不代表“LLM之前无AI”。 所以，AI不是只有大模型。AI的大模型时代也 ≠ 只有大模型的AI时代。 成熟的AI，早就已经上岗了 或许你还不敢相信，现在哪怕小小的快递背后，都已经有AI技术在加持了。 然而，这些仅仅是已经成熟上岗的AI技术在英特尔®️ 平台得到的优化，英特尔的能力还远不止如此。 这就要说回大模型了。 对于参数量为70亿的较小模型BLOOMZ-7B，在Gaudi®️2的单设备时延约为第一代Gaudi®️ 的37.21%；而当设备数量都增加为8后，这一百分比进一步下降至约24.33%。 更多《英特尔平台上的行业AI实战与大模型优化》相关内容，可扫描下方海报中的二维码获取。点击原文链接，阅读英特尔《最“in”大模型》专栏的所有文章。 — 完 —
80210编辑于 2023-09-27 - 来自专栏Michael阿明学习之路
AI大模型全栈工程师课程笔记 -Assistant API
选择模型：gpt-3.5-turbo-1106 添加函数： { "name": "ask_database", "description": "Use this function to answer /utils/.env')) # 初始化 OpenAI 服务 client = OpenAI() # openai >= 1.3.0 起，OPENAI_API_KEY 和 OPENAI_BASE_URL "param": null, "code": null } } 参看：https://cookbook.openai.com/examples/assistants_api_overview_python
86610编辑于 2023-12-10 - 来自专栏AI智能体从入门到实践
构建AI智能体：初识腾讯混元AI大模型与API调用
闲话少叙，本集合文章是作者对大模型一路的笔记和从业后的回顾，希望能和大家一起成长交流，将从初学大模型基础到AI智能体的搭建一步步开启AI大模型时代的开端。 1.首先登录腾讯云大模型API的管理后台，申请API-key；2. 主要通过腾讯的腾讯云大模型API提供的混元大模型API和SDK来实现大模型的应用，混元大模型支持文本模型和生图模型，通过API的方式方便开发者调用，可通过腾讯云SDK方式接入或使用OpenAI SDK方式接入 **语言翻译**：AI大模型可以实现多种语言之间的自动翻译，帮助人们跨越语言障碍，促进国际交流与合作。\n\n5. **图像识别与生成**：结合计算机视觉技术，AI大模型可以识别图像中的物体、场景和人脸等信息，也可以生成符合特定主题和风格的图像。\n\n7.
3.5K11编辑于 2025-12-10 - 来自专栏人工智能领域
AI大模型学习
AI大模型学习 在当前技术环境下，AI大模型学习不仅要求研究者具备深厚的数学基础和编程能力，还需要对特定领域的业务场景有深入的了解。 方向一：AI大模型学习的理论基础 AI 大模型学习的理论基础涉及深度学习、神经网络、优化算法等多个方面。 ———————————————— 方向二：AI大模型的训练与优化 AI 大模型学习的理论基础涉及深度学习、神经网络、优化算法等多个方面。 ———————————————— 方向三：AI大模型在特定领域的应用 AI大模型的训练与优化是深度学习领域中至关重要的一部分。 ———————————————— 方向四：AI大模型学习的伦理与社会影响 AI大模型学习的伦理与社会影响是一个备受关注的话题，以下是一些关于这个方向的重要内容： 数据隐私：AI大模型需要大量的数据来训练
72810编辑于 2024-12-18 - 来自专栏帅云霓的技术小屋
大模型与AI底层技术揭秘 (7) 卡车搬运的数据
在开篇之初，我们提到了最简单的AI算法：线性回归 (Linear Regression)。 实际上，一元线性回归是最简单的AI算法。 = np.float32(np.random.rand(2, 100)) # 随机输入 y_data = np.dot([0.100, 0.200], x_data) + 0.300 # 构造一个线性模型 又调用CUDA库，将常见的机器学习算法进行封装，使得数学水平没有那么好的工程师们也可以简单快速地开发AI/ML应用。 让我们再回到《大模型与AI底层技术揭秘 (2) 人妖之间的国度》中提到的“算盘打出原子弹”的故事。实际上，这是一个典型的分布式并发计算的场景。Tensorflow也提供了分布式训练的能力。
51420编辑于 2023-10-30 - 来自专栏猫头虎博客专区
小米MiMo：7B模型逆袭AI大模型战场的技术密码
小米MiMo：7B模型逆袭AI大模型战场的技术密码 在大模型竞争愈发激烈的2025年4月30日，小米以一款名为 MiMo-7B 的开源模型强势突围，在数学推理与代码能力评测中表现亮眼，不仅与规模更大的模型正面对抗 最终，MiMo累计训练了 25万亿 tokens，这一数据在7B模型中堪称顶级，为其强悍能力打下坚实基础。 2. 2024年底，95后AI大佬 罗福莉 加盟小米，以千万年薪领导大模型研发团队。 这将反哺模型优化，形成闭环进化的AI生态试验田。 结语：小米的新角色，是AI生态的创变者 MiMo的发布，不仅标志着小米在大模型赛道的技术跃升，更意味着其正在从“智能终端制造商”迈向“AI生态运营者”。
1.6K10编辑于 2025-05-02 零基础学AI大模型之读懂AI大模型
大模型知识，因此希望可以通过自己学习然后以写文章的形式向大家同样想零基础学习大模型的同学进行互相交流，欢迎大家在评论区打出自己的疑问或者本文不正确的地方，我们一起学习 零基础学AI大模型之读懂AI大模型 甚至企业里说的“开发大模型”，真的是从头造一个“大脑”吗？ 今天就用通俗的语言，把AI大模型的核心逻辑、能力边界和落地场景讲透，最后再给大家一份主流模型的选择指南。 一、什么是AI大模型？ 这时候，AI智能体（Agent） 才是大模型的“落地形态”。 企业真正要开发的是AI智能体：大模型的“升级版” 所谓“AI智能体（Agent）”，是给大模型加上“手脚”“记忆”和“规划能力”，让它从“聊天工具”变成“能干活的助手”。 （70B）对硬件配置要求较高 最后：AI大模型的核心不是“越复杂越好”，而是“越实用越好” 看完这些，你会发现：AI大模型的本质是“用海量规律解决问题”，而它的落地关键是“智能体”——把“语言能力”变成
1.6K20编辑于 2025-12-22国内大模型API选型：别让接口选择拖垮你的AI应用
国内大模型API选型：别让接口选择拖垮你的AI应用 如果你正在开发AI应用，或者负责企业内部的大模型接入，你大概率已经遇到过这个问题：市面上国内大模型API五花八门，从文心一言到通义千问，从讯飞星火到豆包 为什么国内大模型API这么多，但选起来这么费劲？ 说实话，我从2023年开始接触大模型API，那时候选择还比较少，主要就是百度文心一言和阿里通义千问。现在呢？ IDC在2025年的报告里提到，中国企业级AI应用中有67%优先选择国产大模型，主要原因是数据安全和响应速度。 未来趋势：如何让大模型API选型更简单？ 我个人觉得，明年我们会看到更多大模型聚合平台出现，它们类似AI API聚合服务，帮你比价、调度、监控。 作者：郑成功 发布日期：2026年7月1日
7810编辑于 2026-07-01- 来自专栏星哥的AI自留地
免费获得大模型的Api-Key的方法：英伟达提供GLM-4.7、Minimax M2.1模型和GitHub的AI大模型API申请
今天就给大家介绍英伟达和Github的免费大模型APIKey的获取方法。 传送门：OpenRouter提供的DeepSeek-R1-70B的大模型免费用获取各大人工智能AI工具通过API和KEY调用的方法英伟达-Nvidia的免费APIKey说到英伟达，大家的第一反应可能是" 但很少有人意识到，拥有强大算力的英伟达，也在积极布局AI云服务市场。这波免费开放API的策略，本质上是一个聪明的生态布局——通过免费服务吸引开发者，为未来的商业变现铺路。 -3.1检测，yi-large检测失败3.选择模型点击“管理”搜索模型，我这里先oss、glm、minimax的关键字再添加对应的模型4.测试问题回到助手选择英伟达大模型问它一个问题，看是否能回答。 大模型，如OpenAI、deepseek、DeepSeek等。
13210编辑于 2026-06-16 零基础学AI大模型之AI大模型常见概念
大模型 零基础学AI大模型之SpringAI 前情摘要： 1、零基础学AI大模型之读懂AI大模型 2、零基础学AI大模型之从0到1调用大模型API 3、零基础学AI大模型之SpringAI 零基础学 AI大模型之AI大模型常见概念 一、先搞懂：什么是AI大模型？ 二、AI大模型的6个核心概念 如果把AI大模型比作“智能大脑”，下面这些概念就是它的“神经中枢”——决定了它“怎么思考”“怎么干活”“怎么不犯错”。 1. 工具调用（Tool Calling/Function Call） 大模型本身不能查天气、查股票，但工具调用能让它“调用外部API”，获取实时数据或执行操作，相当于给模型装了“外接大脑”。 简化流程（以SpringAI为例）： 用@Tool注解定义工具（比如“天气查询工具”，说明参数是“城市名”“日期”）； 模型判断是否需要调用工具（比如用户问“北京明天天气”，模型会决定调用天气API
95711编辑于 2025-12-22- 来自专栏人工智能极简应用
【AI大模型】Transformers大模型库（二）：AutoModelForCausalLM
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。 Transformers 提供了便于快速下载和使用的API，让你可以把预训练模型用在给定文本、在你的数据集上微调然后通过 model hub 与社区共享。 这里使用了Auto自动模型，transformers包括管道pipeline、自动模型auto以及具体模型三种模型实例化方法，如果同时有配套的分词工具（Tokenizer），需要使用同名调度。 管道(Pipline)方式：高度集成的使用方式，几行代码就可以实现一个NLP任务 自动模型(AutoModel)方式:自动载入并使用BERT等模型 具体模型方式：在使用时需要明确具体的模型，并按照特定参数进行调试 同时，列举了管道模型、自动模型、具体模型等三种transformers预训练大模型实例化方法。期待大家三连。
3.1K11编辑于 2024-08-13 - 来自专栏人工智能极简应用
【AI大模型】Transformers大模型库（四）：AutoTokenizer
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。 Transformers 提供了便于快速下载和使用的API，让你可以把预训练模型用在给定文本、在你的数据集上微调然后通过 model hub 与社区共享。 这意味着，当你知道模型的名称时，你可以使用AutoTokenizer自动获取与该模型匹配的分词器，而不需要了解分词器的具体实现细节。 2.2 主要特点 模型兼容性：通过模型名称自动匹配合适的分词器，支持BERT、RoBERTa、Albert、DistilBERT、T5等众多模型。 这意味着，当知道模型的名称时，可以使用AutoTokenizer自动获取与该模型匹配的分词器。
2.1K10编辑于 2024-08-13 - 来自专栏人工智能极简应用
【AI大模型】Transformers大模型库（一）：Tokenizer
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。 Transformers 提供了数以千计的预训练模型，支持 100 多种语言的文本分类、信息抽取、问答、摘要、翻译、文本生成。它的宗旨是让最先进的 NLP 技术人人易用。 Transformers 提供了便于快速下载和使用的API，让你可以把预训练模型用在给定文本、在你的数据集上微调然后通过 model hub 与社区共享。 你可以直接使用一个框架训练你的模型然后用另一个加载和推理。 本文重点介绍Tokenizer类。 **编码**：将tokens转换为数字ID，这些ID是模型的输入。每个token在词汇表中有一个唯一的ID。 4.
2K12编辑于 2024-08-13 - 来自专栏人工智能极简应用
【AI大模型】Transformers大模型库（十二）：Evaluate模型评估
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。 Transformers 提供了便于快速下载和使用的API，让你可以把预训练模型用在给定文本、在你的数据集上微调然后通过 model hub 与社区共享。 二、Evaluate模型评估 2.1 概述 Transformers库中的evaluate API主要用于评估模型在特定数据集上的性能。 虽然Transformers库本身没有直接提供一个名为evaluate的独立API函数，但通常通过Trainer类的evaluate方法来实现模型评估。 model, args=training_args, train_dataset=train_dataset, eval_dataset=eval_dataset ) 2.2.7 步骤7:
1.2K10编辑于 2024-08-13 - 来自专栏数据派THU
详解：7大经典回归模型
来源：csdn 深度学习爱好者本文约2900字，建议阅读5分钟本文给大家介绍机器学习建模中7大经典的回归分析模型。 什么是回归分析？ 4.它需要大的样本量，因为在样本数量较少的情况下，极大似然估计的效果比普通的最小二乘法差。 5.自变量不应该相互关联的，即不具有多重共线性。 7.如果因变量是多类的话，则称它为多元逻辑回归。 3. Polynomial Regression多项式回归 对于一个回归方程，如果自变量的指数大于1，那么它就是多项式回归方程。 7. ElasticNet回归 ElasticNet是Lasso和Ridge回归技术的混合体。它使用L1来训练并且L2优先作为正则化矩阵。当有多个相关的特征时，ElasticNet是很有用的。 除了这7个最常用的回归技术，你也可以看看其他模型，如Bayesian、Ecological和Robust回归。 如何正确选择回归模型？ 当你只知道一个或两个技术时，生活往往很简单。
1.9K41编辑于 2023-04-18
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