526互联

轻量 轻量级 模型

大语言模型LLM幻觉的解决方法：检索增强生成RAG

当你向大语言模型LLMs集成的问答系统平台咨询医疗方面的问题，比如呼吸道感染应该怎么治疗，它可能直接给出答案，但不会提供这个答案的依据来源，这是因为大语言模型应用过程中还存在答案透明度不足的缺陷导致。此外，大语言模型还有知识更新的滞后性、在处理复杂任务时的准确性的问题。 为了解决这些问题，检索增强生 ......
幻觉 模型 语言 方法 LLM

常见3D模型汇总

3D模型查看器： 3D查看器 (Windows自带) Blender MeshLab (基于VCGlib) 3D模型来源： 美工建模 (fbx) 三维重建 (ply/obj) 3D-AIGC 3D模型格式： obj fbx glb (glTF2.0)：https://github.com/Khron ......
模型 常见

软件生命周期模型定义与选择策略

![](https://img2024.cnblogs.com/blog/3351537/202401/3351537-20240111151615438-216580632.png) ![](https://img2024.cnblogs.com/blog/3351537/202401/33515... ......
周期 模型 策略 生命 软件

数字先锋 | “言”之有“力”，大模型背后的算力“推手”！

在算力调度方面，天翼云通过自研的调度系统，协助思必驰DFM-2大模型调度GPU、NPU、CPU等异构算力资源，大规模训练上云1个月，可以完成数十亿规模大模型所有阶段训练和效果评估。在训练能力打造方面，天翼云支持多种模型训练方式，不仅可以提升大模型训练平台的数据量，还大幅缩短了训练周期和交付进度。 ......
推手 模型 背后 数字

GPT人工智能模型研究报告：探索智能极限

GPT人工智能模型是一个基于深度学习技术的自然语言处理模型，它能够理解和生成人类语言。该模型使用大量文本数据进行训练，学习语言的语法、语义和上下文信息，从而实现对语言的深层理解。 研究表明，GPT模型在多项自然语言处理任务中表现出色，如机器翻译、文本摘要、问答系统等。它能够根据输入的文本生成连贯、通 ......
智能 人工智能 研究报告 人工 模型

机器学习-决策树系列-贝叶斯算法-概率图模型-29

目录1. 复习条件概率2. 正式进入3. 生成式 与判别式 这个阶段的内容，采用概率论的思想，从样本里面学到知识（训练模型），并对新来的样本进行预测。 主要算法：贝叶斯分类算法、隐含马尔可夫模型、最大熵模型、条件随机场。 通过本阶段学习，掌握NLP自然语言处理的一些基本算法，本阶段的理解对于后续完成 ......
概率 算法 模型 机器 29

计算机网络分层结构--OSI模型、TCP/IP 模型、五层模型

计算机网络分层结构 OSI参考模型与TCP/IP参考模型 五层参考模型 ......
模型 计算机网络 结构 OSI TCP

听6位专家畅谈AI大模型落地实践：场景和人才是关键

回顾大模型技术在企业的应用过程中，我们不禁要问：大模型在落地方面带来了哪些改变？开发者如何应对大模型的变革？在AI大模型的驱动下，企业的未来又会走向何方？ ......
模型 场景 关键 专家 人才

浦语书生大模型实战训练营02笔记

1.打开算力平台，选择合适的配置进入算力开发机进入jupyter工具终端安装开发所需python深度学习环境： bash # 请每次使用 jupyter lab 打开终端时务必先执行 bash 命令进入 bash 中 bash /root/share/install_conda_env_intern ......
训练营 书生 实战 模型 笔记

R语言无套利区间模型：正向套利和反向套利次数、收益率分析华泰柏瑞300ETF可视化

全文链接：http://tecdat.cn/?p=31973 原文出处：拓端数据部落公众号 股指期货的套利交易有助于股指期货实现其价格发现以及风险规避的功能，因此提高套利交易的效率,对于发挥股指期货在经济发展中的作用有着重要的意义。 本文帮助客户对期货期现套利的研究。研究中主要以期货及其现货指数的数 ......
收益率 区间 收益 模型 次数

1.9 Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation 基于语义分割遥感图像的模型

Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation 参考遥感图像分割的旋转多尺度交互网络 参考遥感图像分割 (RRSIS)是一个新的挑战，它结合了计算机视觉和自然语言处理，通过 ......
遥感 语义 Segmentation Multi-Scale Interaction

深度学习模型部署TensorRT为何如此优秀？

一、前言 PyTorch模型的高性能部署问题，主要关注两个方面：高度优化的算子和高效运行计算图的架构和runtime。python有快速开发以及验证的优点，但是相比C++来说速度较慢而且比较费内存，一般高性能场景都是使用C++去部署，尽量避免使用python环境。 TensorRT为什么那么快，因为 ......
深度 TensorRT 模型

EF First 生成数据模型

//创建目录：mkdir EFCoreScaffoldexample//进入目录：cd EFCoreScaffoldExample//创建控制台项目：dotnet new console//添加依赖：dotnet add package Microsoft.EntityFrameworkCore.S ......
模型 数据 First EF

【wing】一款轻量快捷的团队开发工具

wing 是一个代码同步管理工具类似 repo，但更多的是一个让开发团队保持一致开发环境的工具，从团队协作和工程开发的角度构建产品或项目，围绕设计，开发，测试，编译，发布等环节的开发活动，提升团队的开发效率。 ......
轻量 开发工具 团队 工具 wing

使用PyTorch实现混合专家(MoE)模型

Mixtral 8x7B 的推出在开放 AI 领域引发了广泛关注，特别是混合专家（Mixture-of-Experts：MoEs）这一概念被大家所认知。混合专家(MoE)概念是协作智能的象征，体现了“整体大于部分之和”的说法。MoE模型汇集了各种专家模型的优势，以提供更好的预测。它是围绕一个门控网络 ......
模型 PyTorch 专家 MoE

记录下在linux部署大语言模型和聊天服务、简历服务等

1、弄清楚外网、内网的区别 2、宝塔面板的使用。 命令行输入 bt 、 bt default（本质是linux开了个端口服务用于宝塔管理服务、代理服务等） 3、netstat -tuln 查看正在运行的端口。 4、服务都启动之后，用宝塔代理相关端口 ， 使用 ufw 、 iptables、 fire ......
模型 语言 简历 linux

界面组件DevExpress WPF v23.2 - 更轻量级的主题支持

DevExpress WPF Subscription拥有120+个控件和库，将帮助您交付满足甚至超出企业需求的高性能业务应用程序。通过DevExpress WPF能创建有着强大互动功能的XAML基础应用程序，这些应用程序专注于当代客户的需求和构建未来新一代支持触摸的解决方案。 DevExpress ......
轻量 轻量级 DevExpress 组件 界面

【开源项目】轻量元数据管理解决方案——Marquez

大家好，我是独孤风。 又到了本周的开源项目推荐。最近推荐的元数据管理项目很多，但是很多元数据管理平台的功能复杂难用。 那么有没有轻量一点的元数据管理项目呢？ 今天为大家推荐的开源项目，就是一个轻量级的元数据管理工具。虽然轻量，但是元数据的收集、展示、数据血缘等功能都是支持的。 让我们一起来看看吧~ ......
轻量 数据管理 解决方案 Marquez 方案

一个小巧、快速、轻量级的 .NET NoSQL 嵌入式数据库

前言 今天给大家分享一个小巧、快速、轻量级的 .NET NoSQL 嵌入式数据库：LiteDB。本篇文章主要是介绍LiteDB和在.NET中如何使用。 LiteDB介绍 LiteDB 是一个小巧、快速和轻量级的 .NET NoSQL 嵌入式数据库。 无服务器的 NoSQL 文档存储 简单的 API， ......
轻量 轻量级 嵌入式 数据库 数据

unity3d修改模型位置

using System.Collections; using System.Collections.Generic; using UnityEngine; public class VCCameraWorkerController : MonoBehaviour { public Vector3 ......
模型 位置 unity3d unity3 unity

Omics辅助育种统计方法：最小二乘与混合模型

此幻灯片是来自“Omics辅助育种统计方法”短期课程中的一节：Applications for Ordinary Least Squares and Mixed Models。作者Malachy Campbell，博后毕业于康奈尔大学，是一名计算生物学家，专注于统计基因组学和数量遗传学。热衷于从大规 ......
模型 方法 Omics

GS | 佛罗里达大学Salvador报告：数量遗传和育种中的混合模型

本报告来自佛罗里达大学Salvador A. Gezanboshi博士。Salvador是一位拥有20多年经验的育种家/数量遗传学家，在育种、统计分析和遗传改良咨询方面有着丰富的经验。同时，他也是VSN的国际顾问，没错，就是那个开发了大名鼎鼎的ASReml的VSN。在大学或研究机构任职期间，他主要集 ......
Salvador 模型 数量 报告 大学

浦语书生大模型实战训练营01笔记

大模型总的发展趋势：单一模型处理单一任务到一个模型解决多个任务 书生.浦语大模型开源历程：internLM大模型发布-》全面商业、开源支持8k语境全链路开源体系》多模态预训练语料库开源发布-》1.1版本迭代升级，开源智能体框架支持语言模型到智能体升级转换-》增强版发布开源工具全线升级 书生.浦语大模 ......
训练营 书生 实战 模型 笔记

R语言分布滞后非线性模型（DLNM）研究发病率，死亡率和空气污染示例|附代码数据

全文下载链接：http://tecdat.cn/?p=21317 最近我们被客户要求撰写关于分布滞后非线性模型（DLNM）的研究报告，包括一些图形和统计输出。 本文提供了运行分布滞后非线性模型的示例，同时描述了预测变量和结果之间的非线性和滞后效应，这种相互关系被定义为暴露-滞后-反应关联 数据集包含 ......
非线性 空气污染 死亡率 发病率 示例

什么是大语言模型的“幻觉”

使用ChatGPT的朋友应该遇到过这样的情况，模型有时候会答非所问甚至自相矛盾，这种情况被成为大语言模型的“幻觉”，即在处理和生成文本时出现的一些特定的错误或误解。这些幻觉可能源于模型对现实世界的理解不足、数据训练的偏差、或者算法本身的局限性。 出现幻觉的原因有几个方面： 1、数据训练偏差 LLM通 ......
幻觉 模型 语言

多模态大模型少样本自适应综述

前言 在医学成像和遥感等一些细粒度领域，多模态基础模型的性能往往不尽人意。因此，许多研究者开始探索这些模型的少样本适应方法，逐渐衍生出三种主要技术途径：1）基于提示的方法；2）基于适配器的方法；3）基于外部知识的方法。尽管如此，这一迅速发展的领域产生了大量结果，但尚无全面的综述来系统地整理研究进展。 ......
模态 样本 模型

轻量级堡垒机next-terminal

mkdir /data/next-terminal docker run --restart=always --name guacd -d -p 4822:4822 -v /data/next-terminal:/usr/local/next-terminal/data dushixiang/gua ......
轻量 轻量级 堡垒 next-terminal terminal

大模型RAG之向量检索技术-结合LSTM模型编码

本文将介绍两种编码方式，一种直接采用bert进行编码query与待匹配数据；另一种将待匹配数据构造成key-value的形式，key表示从每个待匹配数据的概念或者抽象描述，value是对应的待匹配数据，将query和key进行编码，lstm从过query查询到key之后，就可以获取对应的value ......
模型 向量 编码 技术 LSTM

PV视角之3D检测模型Sparse4D系列

在自动驾驶视觉感知系统中，为了获得环绕车辆范围的感知结果，通常需要融合多摄像头的感知结果。比较早期的感知架构中，通常采用后融合的范式，即先获得每个摄像头的感知结果，再进行结果层面的融合。后融合范式主要的问题在于难以处理跨摄像头的目标（如大卡车），同时后处理的负担也比较大。而目前更加主流的感知架构则是 ......
视角 Sparse4D 模型 Sparse4 Sparse

什么是大模型RAG?RAG与funtionCalling的区别是什么？

大模型的RAG（Retrieval-Augmented Generation）与Function Calling都是用于增强大型语言模型（如GPT）的技术，但它们的工作原理和应用场景有所不同。 Retrieval-Augmented Generation (RAG): 原理：RAG结合了信息检索和文 ......
funtionCalling RAG 模型
共4000篇  :2/134页 首页上一页2下一页尾页