- 综合排序
- 最热优先
- 最新优先
- 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. 生成模型对 p(x) 建模，直接估计特征 x 的概率，从这个概率分布中采样即可生成新的特征。 由此可见，生成模型比判别模型要困难很多。 2. 生成模型的框架 了解生成模型框架之前，让我们先玩一个游戏。 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
67530编辑于 2023-09-02 - 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. 生成模型对 p(x) 建模，直接估计特征 x 的概率，从这个概率分布中采样即可生成新的特征。 由此可见，生成模型比判别模型要困难很多。 2. 生成模型的框架 了解生成模型框架之前，让我们先玩一个游戏。 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
66310编辑于 2023-09-05 - 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。
42410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。
2.2K30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。
59310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。
2.1K10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
89610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！
1.5K10编辑于 2024-05-06 - 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。
86410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。 点击“生成”按钮，等待AI为你创建网站。4. 在生成的网站上，你可以点击任意元素进行修改，也可以通过拖拽元素来改变位置和大小。 你可以随时返回Framer AI的主页，查看和管理你已发布的网站，或创建新的网站。如果你在描述网站时遇到困难，你描述提示词让ChatGPT帮我们生成，让AI更懂AI。 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。
1.5K50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。
19810编辑于 2026-03-22 - 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。
57020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。
38710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。
47910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。 要跟上最新模型，AI 开发人员必须比以往任何时候都更快地加快采用率和技术转变周期。
28810编辑于 2024-06-27 - 来自专栏DrugOne
Science | 生成式AI的版权问题
对于生成式AI的批评者来说，缺乏对他们原创作品的归属和补偿是其他令人不悦之处。目前在美国正在进行的版权诉讼对于生成式AI系统的未来具有重大影响。 如果原告获胜，那么在美国合法的生成式AI系统只能是基于公共领域作品或者在许可下进行训练的系统，这将影响到所有部署生成式AI、将其整合到产品中并将其用于科学研究的人。 相较于之前的技术，何以使生成式人工智能（AI）更具颠覆性？其中一个因素无疑是生成式AI技术的快速推出、采用和适应的速度异常迅猛。与此相对，法律和政策领域的发展则较为缓慢和必要。 生成式AI似乎有望对职业作家和艺术家的职业产生重大影响。例如，在2023年的美国编剧协会罢工中，生成式AI的使用成为谈判的一个焦点。编剧们理所当然地担心这些技术会取代他们或减少他们的报酬。 当用户输入提示以指导软件生成特定类型的输出时，生成式AI系统使用复杂的统计计算来组装预测将符合用户请求的输出。
75020编辑于 2023-09-19 - 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
7.1K61编辑于 2023-05-15 AI搜索GEO优化（生成引擎优化）白皮书
AI搜索GEO优化（生成引擎优化）白皮书GEO优化让AI正确听你的话，在AI搜索内容/生成内容/推理内容/问答内容里有你的品牌/产品/服务和口碑等推荐希望本书（GEO优化）能帮您实现下面的3个基本基础效果 英文全称：Generative Engine Optimization英文简称：GEO中文全称：生成引擎优化Ai搜索GEO优化（Generative Engine Optimization，生成引擎优化 ）：是利用Ai技术优化生成模型的核心算法与工程架构，旨在提升内容生成的质量、效率与可控性。 GEO优化作业规范1.1 GEO优化KPI制定1.2 GEO用户输入分类（俗称关键词）用户通过输入关键词，提示词，命令词，指令词，问题词/集，推理词，Prompt去问AI，AI生成答案和内容。 你可以将AI视为一个“万能生成器”，你下达什么样的格式指令，它就会尽可能地输出对应样式的内容：①段落式：长答案、简单答案、1234，撰写文章（首先+接下来+综合）②列表式：分点说明、列举项目、总结要点③
1.5K12编辑于 2025-09-24于磊老师：Geo优化有哪些技巧？生成式AI时代的内容制胜法宝
以ChatGPT、Gemini、Perplexity以及Google AI Overviews为代表的生成式AI搜索引擎，正在重塑用户获取信息的方式。 在这个新的搜索范式下，一种名为**生成式引擎优化（Generative Engine Optimization, 简称GEO）**的策略应运而生。 核心区别方面传统SEO生成式引擎优化（GEO）目标提升在传统搜索引擎（如Google、Bing）中的排名和点击率提升内容在AI生成答案中的引用和提及率关注点关键词排名、自然流量、外链建设、网站技术优化AI 2、拥抱长尾关键词与对话式语境AI搜索通常以对话形式进行，用户会提出更具体、更自然的语言问题。因此，优化内容时应更多地使用长尾关键词和对话式语境，模拟真实的提问场景。 及早布局，与传统SEO相互补充，相互作用，才能在AI时代保持竞争力，免被AI淘汰。参考文献[1] CapGo AI. 2025生成式引擎优化(GEO)与AI搜索终极指南.[2] Meet創業小聚.
80310编辑于 2025-11-06- 来自专栏实验盒
Nature重磅：“文本梯度”实现反向传播，自然语言反馈优化生成式AI
生成式人工智能（AI）在计算生物学和生物医学领域的应用日益广泛，从药物分子设计到癌症放射治疗规划，其作为“智能助手”的潜力逐渐显现。 然而，传统优化方法在面对生成式AI系统时面临诸多挑战：这些系统往往包含不可微分的黑盒组件（如语言模型或分子模拟器），依赖数值梯度的反向传播难以适用，且通常需要专家手动调整参数或提示词，效率低下且难以推广 TextGrad通过语言模型生成的自然语言反馈（即“文本梯度”）实现反向传播优化，推动生成式AI系统的自动化进化。这一开源框架为生物医学研究提供了新的工具和视角。 然而，生成式AI系统中常见的非可微组件（如黑盒语言模型API或分子动力学模拟器）使得梯度计算变得复杂甚至不可行。 结语 TextGrad通过自然语言反馈机制，将神经网络的优化思想引入生成式AI系统，为计算生物学和生物医学研究提供了一种高效、自动化的迭代范式。
49610编辑于 2025-03-21
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