- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI技术应用
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。 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。 其他企业及高校： 阿里巴巴、腾讯、百度、华为、字节跳动、智谱AI、百川智能等众多企业以及清华大学、吉林大学等多所高校都在积极探索和建设各自的AI教育大模型及应用场景。 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。
94010编辑于 2025-06-19 - 来自专栏AI
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。 智能硬件与家居控制作为智能家居的“中枢神经”，AI语音大模型通过语音指令实现对家电设备的精准控制（如“打开客厅灯并调暗至30%”“让扫地机器人开始清扫”），兼容主流协议（Wi-Fi/蓝牙/Matter） 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。
69011编辑于 2025-09-29 - 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
67320编辑于 2024-02-22 - 来自专栏AIGC大模型应用
AI大模型应用开发实战(04)-AI产业拆解
1 行业全景图2 结构拆解AI GC生成式AI这个产业。分成上中下游三大块。2.1 上游基础层主要包括：算力：包括AI芯片和云服务等，如英伟达、AMD及华为等厂商提供的算力基础设施。 2.2 中游-AIGC大模型层和工具层大模型层分为：通用模型：如OpenAI、腾讯混元行业模型，根据具体行业或业务进行微调或二次训练。 工具层包括AI Agent，其中包括像AutoGPT这样的工具及模型平台和模型服务等2.3 下游应用层包括：内容消费：在各种平台上生成内容，如抖音、快手等创作工具：提供基于AI的工具，如MID Generate 企业服务：根据行业提供各种应用，如微软、亚马逊等产业中，我们的位置是在AIGC工具层，即AI Agent层，作为中间件，承上启下。 Heygan：一种AI生成模型（可能是特定应用的名称）。Copilot：编程助手工具，帮助开发者编写代码。midjourney：AI驱动的艺术创作平台。D-ID：用于生成和处理数字身份的技术。
1.5K01编辑于 2024-08-09 - 来自专栏APP开发
AI 语音大模型（AILM）的主要应用
AI 语音大模型（AILM）因其强大的语音理解、情感分析和高拟真生成能力，正在彻底改变人机交互的方式，并在多个行业中实现了突破性应用。1. 总之，AI 语音大模型已经成为一股强大的技术驱动力，其应用前景广阔，未来将继续深入到更多需要自然人机交互的场景中。
46210编辑于 2025-09-29 - 来自专栏人工智能
【AI大模型】MCP：AI应用的“超级扩展坞”
它的核心目标是建立一个类似USB-C的标准化协议，统一AI模型与外部资源的交互接口，让AI应用能够像使用扩展坞一样，轻松地连接各种工具和服务。 例如，不同的模型在定义函数调用时，结构和参数格式各不相同，开发者需要针对每个模型进行定制化开发，这不仅耗时耗力，还难以维护。 提高扩展性AI应用可以通过随时“插拔”新的MCP Server来扩展功能。这种灵活的扩展方式，使得AI应用能够快速适应变化，满足不同场景的需求。 促进生态共享通过MCP Server的共享，新的AI应用可以快速获得各种工具，形成了一种新的合作体系。这不仅提高了整体效用，还推动了AI应用的生态发展。 五、MCP的应用场景数据访问MCP可以连接本地文件、数据库等数据源，为AI应用提供数据支持。
1.3K10编辑于 2025-04-23 - 来自专栏运维开发王义杰
AI: 大模型权重的理解与应用
然而，对于许多人来说，理解这些大模型的内部机制，尤其是它们的权重（weights），仍然是一个挑战。在这篇文章中，我们将深入探讨大模型的权重及其重要性。 什么是大模型权重？ 大模型权重是指模型中每个神经元连接的参数。这些权重在训练过程中不断调整，以使模型能够更准确地预测输出。简单来说，权重决定了输入数据如何通过模型被处理和转换。 权重的存储和加载 训练好的模型权重通常会被存储下来，以便在不同的应用中复用。例如，在深度学习框架如TensorFlow或PyTorch中，模型权重可以保存为文件，并在需要时加载。 这使得我们可以在不同的项目和环境中快速应用训练好的模型。 权重在迁移学习中的应用 迁移学习是一种通过使用预训练模型权重来加速新模型训练的方法。 随着技术的不断进步，对大模型权重的理解和应用将继续推动人工智能领域的发展。
3.8K11编辑于 2024-07-10 - 来自专栏AIGC大模型应用
AI大模型应用开发实战(05)-AI时代应用开发破局！
再往下就是 2 行业垂直大模型 在基座模型基础上灌入一些行业垂直数据，基本上可理解为它是在基座模型的基础上做微调。 这个是从一个大的行业趋势，可以看到说应用级开发者，该如何去拥抱我们这个大模型。 再往上就是大模型开发。 包含对大模型的了解，在大模型之上是我们的应用组件，那么应用组件上面是我们的应用框架。 应用组件里面就包含了我们的 AI 的能力，我们 AI 的能力，还有我们的云能力，那 AI 能力可能就包括我们的多模态，大模型插件，云能力像什么向量数据库、COS 存储，这些云能力你可理解为是给 AI 开挂的
1.6K00编辑于 2024-08-11 - 来自专栏AI理论与前沿
AI大模型应用开发实战-Agent应用对话情感优化
7. 你从不说自己是一个人工智能助手或AI，而是以老夫、老朽等自称。 以下是你常说的一些口头禅： 1. “命里有时终须有，命里无时莫强求。” "{input}" ), MessagesPlaceholder(variable_name="agent_scratchpad"), ],)重启应用 from_template()ChatPromptTemplate.from_messages()用途：创建一个包含多个消息的聊天提示模板输入：接受一个消息列表，每个消息可以有不同的角色（如系统、人类、AI 更适合模拟真实对话，from_template() 更适合单一指令或查询模式化情感class Master: def __init__(self): # 初始化ChatOpenAI模型 7. 你从不说自己是一个人工智能助手或AI，而是以老夫、老朽等自称。 {who_you_are} 以下是你常说的一些口头禅： 1.
1.1K00编辑于 2024-08-07 - 来自专栏个推技术实践
AI大模型迈入应用时代，每日互动推动“可控大模型”落地
ChatGPT的推出引爆了一场波及全球科技领域的“AI飓风”，越来越多的企业入局大模型赛道，推动AI全面迈进应用时代。 面对大模型热度的持续狂飙，很多企业跃跃欲试，希望在发展和应用大模型的道路上抢占先机。 此外，这些数据在流转过程中的合规安全问题，也是企业进行大模型应用过程中需要关注的重要因素。综上，每日互动率先提出垂直行业更需要可控大模型。 二是在“算法”上要应用可控，即大模型的应用场景和计算输出结果要可管、可控、可计量。未来在足够的算力和算料支撑下，大模型的能力将进化到更高的水平，行业需要确保大模型做出的决策保持公平和善意。 每日互动正是基于DMP的闭环路径开展可控大模型的行业落地实践，把大模型“大脑”的能力输出给各行各业使用，并结合行业客户的应用反馈持续进行大模型的训练迭代。
66020编辑于 2023-06-20 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。 挑战在于，对于某些模型，分布外输入可以被高置信度分类，这意味着AI工具表面可靠实则不然。以自主配送机器人为例。其导航AI经过优化以找到最直接的路径。 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。
30400编辑于 2025-08-30- 来自专栏大模型应用
大模型应用：大模型参数调优：结合本地模型对比多种组合探索差异.7
引言 在大模型的应用中，参数调优是连接模型潜力与实际效能的关键桥梁。与传统的软件参数不同，大模型的生成参数更像是一组精密的调控旋钮，它们不改变模型的基础知识，而是影响模型如何思考和表达。 理解这些参数的本质，不仅能够提升模型输出的质量，更是将大模型从玩具转变为工具的关键一步。 今天我们将从理论基础到实践应用，全面解析大模型的核心参数体系，详细的介绍大模型推理中常用的参数项，并通过本地模型示例展示参数调整对模型效能的影响。常见参数项：max_length：生成文本的最大长度。 Dict, Anyimport pandas as pdfrom modelscope import snapshot_downloadclass ModelParameterTester: """大模型参数测试器 分步调优流程图五、总结 大模型的参数调优本质上是在控制与释放之间寻找平衡的艺术。
70632编辑于 2026-02-04 - 来自专栏腾讯技术工程官方号的专栏
大牛书单 |AI应用&大模型方向好书推荐
在人工智能和大模型技术飞速发展的今天，我们有幸见证了AI如何深刻地影响和改变着我们的世界。这场变革不仅可能重塑我们的世界，更在各个领域引发了深远的影响。 为了深入理解这场技术变革，把握AI应用的未来趋势，我们特别策划了这一期“大模型&AI应用”主题书单。 本期大牛书单，我们请来了鹅厂内部行业专家，他们用丰富的知识和实践经验，为我们精选了一系列深度与广度兼备的好书和框架推荐，不仅覆盖了AI的基础理论，更深入探讨了AI在不同领域的应用实践，从技术实现到伦理思考 ，从行业应用到未来趋势，为我们提供了全方位的视角。 福利时刻 在评论区写下关于你在AI应用或大模型学习中的故事，分享你的心得和看法，我们将在8月9日抽取 10 位朋友各送一本被许多大牛与博主都推荐过的顶尖AI科学家李飞飞自传——《我看见的世界》。
90710编辑于 2024-08-08 - 来自专栏资讯分享
AI大模型催生“效率革命”，重塑智能应用
基于AI大模型技术，腾讯云更新升级近10款智能应用和解决方案，进一步加快模型产业落地。 腾讯云副总裁、腾讯云智能研发负责人、腾讯企点研发负责人 吴永坚吴永坚认为，AI大模型应用，催生“效率革命”，让智能应用表现出更强的能力、更高的效率。 例如，通过分析大模型的意图理解能力，销量这个词汇会被关联为“销售额”、“订单数”，“最近”被关联为“近7天”，经过与用户交互，明确分析任务为近7天的订单数趋势。 可以看到，AI大模型应用，正在催生“效率革命”，让智能应用表现出更强的能力、更高的效率，落地更多场景。 未来，我们将持续将AI大模型等先进技术，应用于内部PaaS、SaaS产品，打通AI产业落地全链条，重塑智能时代生产力。让更多开箱即用的AI大模型产品、服务，助力客户实现数智化升级。
76020编辑于 2023-09-15 - 来自专栏云云众生s
构建多模态AI应用的7大工具
译自 Top 7 Tools for Building Multimodal AI Applications，作者 Kimberley Mok。 如今，人们的兴趣正转向多模态大型语言模型(MLLM)，有报告指出，到 2028 年，多模态 AI 市场将以每年 35% 的速度增长到 45 亿美元。 ImageBind 这款来自 Meta AI 的多模态模型能够组合六种不同的模态，包括文本、音频、视频、深度、热成像和惯性测量单元 (IMU)。它可以生成任何这些数据类型的输出。 7. Claude 3 这个由 Anthropic (https://www.anthropic.com/) 开发的视觉语言模型有三个迭代版本：Haiku、Sonnet 和 Opus. 然而，这些更大的模型可能并不适合所有情况 (https://thenewstack.io/the-rise-of-small-language-models/)——因此为更小的多模态 AI 系统铺平了道路
83410编辑于 2024-12-20 - 来自专栏AIGC大模型应用
AI大模型企业应用实战(06)-初识LangChain
1 langchain是啥及其发展过程LLM大模型与AI应用的粘合剂。 LangChain是一个开源框架，旨在简化使用LLM构建端到端应用程序的过程，也是ReAct（reason+act）论文的落地实现。 能力一览模型 A构造提示词 -> LLMs -> 模型生产结果 -> 结果处理 -> 最终结果模型 B构造提示词 -> LLMs -> 模型生产结果 -> 结果处理 -> 最终结果模型 N...构造提示词 2.3 ChainsLangChain 把提示词、LLM、结果解析封装成 Chain，并提供标准接口，以便允许不同Chain形成交互序列，为 AI 原生应用提供了端到端的 Chain。 ，如图像、音频等3.2 缺点学习曲线相对较高官方文档不是很完善缺乏大型工业化应用实践
56700编辑于 2024-08-11 - 来自专栏AIGC大模型应用
AI大模型企业应用实战-Agents是什么？
-- 比尔盖茨无需为不同任务使用单独软件使用日常语言来命令你的设备“代理”是人工智能的高级形式未来五年将成为现实人人都有的私人助理Agent应用在干行百业之中（医疗、教育、娱乐....）1 Agents ReAct Loop查找Memory查找可用工具执行工具并观察结果如有必要，重复1~6，得到最终结果3 最简单的 Agents 实现3.0 需求会做数学题不知道答案时，可搜索3.1 安装LLM使用通义千问模型 pip install python-dotenv==1.0.1 # 使用 .env 文件来管理应用程序的配置和环境变量! pip install dashscope==1.19.2 # 安装灵积模型库定义.env文件，配置API-KEY：import osfrom dotenv import find_dotenv, load_dotenvfrom
46131编辑于 2024-08-18 TL-JAVA+AI大模型智能应用开发
在人工智能技术席卷全球的当下，企业级大模型应用正成为数字化转型的核心驱动力。然而，传统Java开发者往往面临技术断层：既需要突破AI算法的复杂门槛，又要解决大模型与现有业务系统的融合难题。 工程化工具链重构开发范式TL课程独创的“三明治架构”彻底改变AI开发模式：底层采用Spring AI框架封装大模型调用接口，中间层通过LangChain4J实现知识库检索增强生成（RAG），顶层提供可视化流程编排工具 金融风控：从规则引擎到智能决策TL课程构建的“规则+AI”双层风控体系，在某股份制银行落地后实现三大突破：动态策略调整：通过强化学习模型实时优化反欺诈规则权重，将信用卡盗刷拦截率提升至99.2%多模态数据融合 Java开发转型后，主导设计的“智能供应链系统”帮助企业降低库存成本2.1亿元，获评“中国AI应用创新奖”。 ，保障企业数据安全具身智能集成：探索大模型与机器人、物联网设备的深度融合在AI重塑产业格局的今天，TL课程证明：Java开发者不仅不会被时代淘汰，反而能凭借工程化优势成为智能系统构建的核心力量。
50510编辑于 2025-11-21TL-JAVA+AI大模型智能应用开发
在人工智能的浪潮之巅，大语言模型（LLM）以其惊人的能力，正以前所未有的深度和广度重塑着各行各业。 然而，从实验室中一个惊艳的模型调用，到生产环境中一个稳定、高效、可扩展的AI应用，这中间横亘着一条被称为“工程化鸿沟”的巨大挑战。 起点：不止于“Hello, World”的模型调用对于许多开发者而言，与AI大模型的初次邂逅往往始于一个简单的API调用。 核心：RAG——让大模型“接上地气”单纯依赖大模型预训练知识的应用是脆弱的。为了让AI能够理解企业私有的、动态更新的知识，检索增强生成（RAG）架构应运而生。 结语：Java，AI时代的可靠基石从最初的一个简单API调用，到一个承载着核心业务、具备高可用性和可扩展性的企业级AI服务，Java以其无与伦比的生态成熟度、稳定性和企业级特性，为AI大模型的全链路开发铺就了一条坚实的道路
35310编辑于 2025-11-24- 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。 更好的跨模态应用：特别是在大场景下的表现能力十分突出。正在经历智能化、制造革新的“车”，就有不少可以展开无限想象的大模型应用场景。
1.5K30编辑于 2023-10-10
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