模型

LSA主题模型：基于奇异值分解的主题模型

LSA主题模型：基于奇异值分解的主题模型1.背景介绍主题模型是一种无监督的机器学习技术，用于发现大规模文本语料库中隐藏的语义结构。它能够自动识别文档集合中的主题，并根据这些主题对文档进行聚类和分类。

AI天才研究院·2025-07-08 09:23

云原生API Gateway：连接微服务的桥梁

通过详细阐述API网关的核心功能、技术架构、算法原理及数学模型，结合Kubernetes实战案例演示流量管理、安全防护、服务编排等核心能力。同时分析典型应用场景，推荐前

AI云原生与云计算技术学院·2025-07-08 09:53

筑牢 AIGC 安全防线：警惕提示词注入攻击

提示词注入攻击的基本知识提示词注入攻击是指攻击者通过精心设计和构造提示词，利用AIGC模型对输入文本的处理机制，干扰模型的正常运

CS创新实验室·2025-07-08 09:52

通义WebSailor：开启网络智能体新时代

引言：WebSailor的横空出世在人工智能技术迅猛发展的当下，新的模型和智能体不断涌现，一次次刷新着人们对AI能力的认知。

云资源服务商·2025-07-08 09:51

大语言模型与增强现实：空间计算时代的AI原生应用

大语言模型与增强现实：空间计算时代的AI原生应用关键词：大语言模型（LLM）、增强现实（AR）、空间计算、AI原生应用、多模态交互、具身智能、虚实融合摘要：当“能对话的AI大脑”（大语言模型）遇到“能叠加虚拟世界的魔法眼镜

Agentic AI人工智能与大数据·2025-07-08 09:50

AI人工智能领域，Stable Diffusion掀起的技术风暴

AI人工智能领域，StableDiffusion掀起的技术风暴关键词：AI人工智能、StableDiffusion、技术风暴、图像生成、扩散模型摘要：本文深入探讨了AI人工智能领域中StableDiffusion

AI大模型应用工坊·2025-07-08 09:20

AI人工智能浪潮中，GPT的技术优势凸显

AI人工智能浪潮中，GPT的技术优势凸显关键词：人工智能、GPT、自然语言处理、深度学习、Transformer、大语言模型、技术优势摘要：本文深入探讨了在人工智能浪潮中GPT(GenerativePre-trainedTransformer

AI学长带你学AI·2025-07-08 09:50

AIGC 领域 AI 写作如何实现智能内容推荐

探讨了相关数学模型和公式，通过具

SuperAGI2025·2025-07-08 08:50

Kimi 大模型支持 Tool Calling 功能，并入驻字节「扣子Coze」开发平台！

Kimi大模型API支持ToolCalling功能Kimi大模型学会「使用工具」了，API已支持ToolCalling功能。

铃灵狗·2025-07-08 08:48

Spring AI深度解析（7/50）：Tool Calling 工具调用解析

SpringAI深度解析（7/50）：ToolCalling工具调用解析一、工具调用的本质突破传统大模型存在两大核心限制：知识时效性与动作执行能力。

Spring AI学习·2025-07-08 08:15

PyTorch深度学习优化实战：从理论到实践的现代化技能指南

引言：现代PyTorch开发的核心思维在深度学习技术日新月异的今天，掌握PyTorch不仅仅意味着能够搭建和训练神经网络，更重要的是理解如何高效地利用现代硬件资源、优化模型性能并构建可扩展的AI系统。

智算菩萨·2025-07-08 08:15

大语言模型的具身化——LLM-based Agents实战

1.概述1.1Agent是什么长期以来，研究者们一直在追求与人类相当、乃至超越人类水平的通用人工智能（ArtificialGeneralIntelligence，AGI）。早在1950年代，AlanTuring就将「智能」的概念扩展到了人工实体，并提出了著名的图灵测试。这些人工智能实体通常被称为——代理（Agent）。「代理」这一概念起源于哲学，描述了一种拥有欲望、信念、意图以及采取行动能力的实体

apollowin123·2025-07-08 08:14

Boltz-2：革命性生物分子模型，加速药物发现的新引擎

如今，Boltz-2的诞生打破了这一瓶颈——这是首个开源的深度学习模型，其结合强度预测准确度接近FEP方法，却将速度提升了1000倍，成为药物早期筛选的“加速器”。

花生糖@·2025-07-08 07:42

10.5 实战ChatGLM3私有数据微调之提示工程：批量生成数据稳定性秘籍

实战ChatGLM3私有数据微调之提示工程：批量生成数据稳定性秘籍在当今人工智能蓬勃发展的时代，大语言模型（LLMs）如ChatGLM3的出现，为自然语言处理领域带来了革命性的变化。

少林码僧·2025-07-08 07:37

语言大模型综述

Paper:ASurveyofLargelanguageModels综述概要LLM关键技术规模定律（ScalingLaws）预训练与微调对齐调优（AlignmentTuning）外部工具集成GPT系列模型的技术演进模型检查点和

·2025-07-08 07:37

【机器学习笔记 Ⅱ】9 模型评估

评估机器学习模型是确保其在实际应用中有效性和可靠性的关键步骤。

巴伦是只猫·2025-07-08 07:07

【机器学习笔记 Ⅱ】7 多类分类

输出要求：模型需输出每个类别的概率分布，且概率之和为1。实现方式One-vs-Rest(OvR)：训练K个二分类器（

巴伦是只猫·2025-07-08 07:06

【论文复现】利用生成式AI进行选股和分配权重

论文探讨了生成式AI模型（如ChatGPT）在投资组合选择中的应用潜力。由于生成式AI模型可能产生幻觉，因此需要谨慎验证和验证其输出。

代码能跑就行管它可读性·2025-07-08 07:36

Day08-Flask 或 Django 简介：构建 Web 应用程序

理解这些框架对于将AI模型集成到Web应

清幽竹客·2025-07-08 07:06

一个小时快速部署大模型，附大模型书：ChatGLM3大模型本地化部署、应用开发与微调!

这个教程有以下几部分构成：硬件配置概念介绍实操测试结果1.硬件配置本文使用的方法配置要求低，没有gpu也可以正常使用(就是有点慢)，不管是windows还是linux，都可以无障碍使用大模型，有脚就行，

LLM教程·2025-07-08 07:05

10.6 ChatGLM3私有数据微调实战：24小时打造高精度模型，显存直降60%

ChatGLM3私有数据微调实战：24小时打造高精度模型，显存直降60%1.实战构造私有的微调数据集在微调大模型时，数据质量直接决定模型效果。本节将手把手教你如何构建高质量的私有微调数据集。

少林码僧·2025-07-08 06:34

大语言模型（LLM）课程学习（Curriculum Learning）、数据课程（data curriculum）指南：从原理到实践

在人工智能的浪潮之巅，我们总会惊叹于GPT-4、Llama3.1、Qwen2.5这些顶尖大语言模型（LLM）所展现出的惊人能力。它们似乎无所不知，能写诗、能编程、能进行复杂的逻辑推理。

·2025-07-08 06:34

PPT处理控件Aspose.Slides教程：在 PowerPoint 文件中创建 3D 形状

通过使用Aspose.SlidesforJava，开发人员可以轻松地将3D模型渲染集成到他们的应用程序中。该库以其灵活性和高级自定义选项而闻名，使其成为在PowerPoint中创建3D形状的理想选择。

CodeCraft Studio·2025-07-08 06:32

量子计算+AI芯片：光子计算如何重构神经网络硬件生态

点击跳转到网站量子计算+AI芯片：光子计算如何重构神经网络硬件生态——2025年超异构计算架构下的万亿参数模型训练革命产业拐点：英伟达BlackwellUltra发布光互连版GPU，IBM量子处理器突破

·2025-07-08 06:59

3dmax一键烘焙很多张贴图合并成一张贴图插件支持fbx/obj/blender多材质模型合并为一张贴图

3dmax一键烘焙很多张贴图合并成一张贴图插件支持fbx/obj/blender多材质模型合并为一张贴图3dmax一键烘焙很多张贴图合并成一张贴图插件支持fbx/obj/blender多材质模型合并为一张贴图

在下胡三汉·2025-07-08 06:29

【机器学习笔记 Ⅱ】4 神经网络中的推理

以下是其实现原理和代码示例的完整解析：1.推理的核心步骤加载训练好的模型参数（权重和偏置）。前向传播：输入数据逐层计算，得到输出。后处理：根据任务类型解析输出（如分类取概率最大值，回归直接输出）。

·2025-07-08 06:29

Tuning Language Models by Proxy

TuningLanguageModelsbyProxyhttps://arxiv.org/html/2401.08565v41.概述尽管大型预训练语言模型的通用能力越来越强，但它们仍然可以从额外的微调中受益

樱花的浪漫·2025-07-08 06:28

【面试题】为什么kafka的吞吐量这么高

我们总结一下为什么kafka的吞吐量高核心：顺序写+零拷贝+批处理一数据模型简单+顺序读写磁盘1kafka的数据存储本质上使用的是Append-only日志模型，数据写入和读取是顺序的，不需要复杂索引或随机写

oraen·2025-07-08 05:57

巨兽的阴影：大型语言模型的挑战与伦理深渊

当GPT-4这样的庞然大物能够流畅对话、撰写诗歌、编写代码、解析图像，甚至在某些测试中媲美人类专家时，大型语言模型（LLM）仿佛成为了无所不能的“智能神谕”。

田园Coder·2025-07-08 05:57

为什么让AI洗碗比写诗难百倍？清华教授揭秘具身智能鸿沟

**2025年3月，一位网友困惑地发问：“我想让人工智能替我洗碗做饭洗衣服，没想到现在的AI反而在画画、写歌、搞创作……”对此，全国政协委员、中国科学院自动化研究所研究员赵晓光一针见血地指出：**“大模型没有创新能力

Loving_enjoy·2025-07-08 05:26

【论文阅读】Dynamic Few-Shot Visual Learning without Forgetting

系统概述如下：(a)一个基于卷积神经网络（ConvNet）的识别模型，该模型包含特征提取器和分类器；(b)一个少样本分类权重生成器。

Bosenya12·2025-07-08 05:56

扩散模型中的 Transformer：图像生成及其延展应用询问 ChatGPT

扩散模型近年来在生成逼真但合成的连续媒体内容方面引起了广泛关注。本次演讲将介绍Transformer在图像生成的扩散模型中的应用，并进一步探讨其更广泛的前景。

DeepSeek大模型官方教程·2025-07-08 05:26

【论文阅读】Few-Shot PPG Signal Generation via Guided Diffusion Models

首先，扩散模型在N样本数据集和指导下的训练。接着，模型生成一个增强的数据集，并进一步优化以提高保真度。最后，这些合成数据与少量样本训练数据集结合，用于基准模型的训练和评估。

Bosenya12·2025-07-08 05:25

从被动检索到主动思考：Naive RAG 到 Agentic RAG 的架构演进与关键技术解析

摘要随着大语言模型（LLMs）的广泛应用，检索增强生成（Retrieval-AugmentedGeneration,RAG）技术已成为解决模型知识滞后与幻觉问题的核心方案。

一休哥助手·2025-07-08 05:25

【零基础学AI】第29讲：BERT模型实战 - 情感分析

本节课你将学到BERT模型的核心原理与优势HuggingFaceTransformers库的BERT接口使用情感分析任务的完整实现流程模型微调(Fine-tuning)技巧开始之前环境要求Python3.8

1989·2025-07-08 05:54

【零基础学AI】第27讲：注意力机制（Attention） - 机器翻译实战

本节课你将学到理解注意力机制的核心思想掌握注意力计算的数学原理实现基于注意力机制的Seq2Seq模型构建英语到法语的神经翻译系统开始之前环境要求Python3.8+需要安装的包：tensorflow==

1989·2025-07-08 05:54

TensorFlow图神经网络(GNN)入门指南

我们将从图数据的基本概念开始，深入探讨GNN的核心原理，包括图卷积网络(GCN)、图注意力网络(GAT)等流行架构，并通过TensorFlow代码示例展示如何构建和训练GNN模型。文章还将涵盖

AI天才研究院·2025-07-08 05:23

HarmonyOS多语言支持：如何实现语言资源智能分发

通过剖析资源目录结构、配置文件语法、动态加载机制等底层原理，结合自适应优先级调度算法和数学匹配模型，展示如何实现基于用户习惯、设备环境、区域特征的智能资源分发

操作系统内核探秘·2025-07-08 05:22

《王者荣耀》游戏优化的AI革命：从性能提升到生态治理

产业技术外溢：说明游戏AI如何向智能制造、自动驾驶等领域输出协作决策模型。伦理争议：探讨“超规格能力

AI编程员·2025-07-08 05:51

前端开发常见问题（从布局到性能优化）

本文将围绕前端开发中常见的十大问题展开讲解：页面布局相关问题（盒模型、浮动、Flex布局）CSS样式冲突与继承JavaScript异步处理（Promise、async/await）跨域问题及解决方

白仑色·2025-07-08 04:48

【机器学习笔记 Ⅲ】4 特征选择

特征选择（FeatureSelection）系统指南特征选择是机器学习中优化模型性能的关键步骤，通过筛选最相关、信息量最大的特征，提高模型精度、降低过拟合风险并加速训练。

巴伦是只猫·2025-07-08 04:17

LangChain核心组件全解析

文章目录一、核心架构组件1.模型I/O(ModelI/O)2.检索(Retrieval)3.记忆(Memory)4.链(Chains)5.代理(Agents)二、关键支持组件1.回调系统(Callbacks

北辰alk·2025-07-08 04:47

机器学习笔记二-回归

1.回归的基本概念：自变量（IndependentVariable）:也称为预测变量、解释变量，是模型中的输入变量，用于预测或解释因变量的变化。因变量（Dependent

·2025-07-08 04:46

AI LLM架构与原理 - 预训练模型深度解析

一、引言在人工智能领域，大型语言模型（LLM）的发展日新月异，预训练模型作为LLM的核心技术，为模型的强大性能奠定了基础。

陈乔布斯·2025-07-08 04:46

PEFT（参数高效微调）技术全面解析：原理、方法与实战应用

2.1大模型时代的核心挑战2.2PEFT的核心优势三、主流PEFT方法技术剖析3.1代表性PEFT方法对比3.2关键技术实现细节3.2.1LoRA（Low-RankAdaptation）3.2.2Adapter

·2025-07-08 04:13

深度学习微调中的优化器全景解析：从理论到实践

文章目录一、基础优化器：深度学习微调的基石1.1随机梯度下降（SGD）1.2AdaGrad（自适应梯度算法）二、自适应优化器：现代深度学习的标配2.1RMSProp2.2Adam（自适应矩估计）三、大模型微调专用优化器

北辰alk·2025-07-08 04:13

【AI论文】GLM-4.1V-思考：借助可扩展强化学习实现通用多模态推理

摘要：我们推出GLM-4.1V-Thinking这一视觉语言模型（VLM），该模型旨在推动通用多模态推理的发展。在本报告中，我们分享了在以推理为核心的训练框架开发过程中的关键发现。

东临碣石82·2025-07-08 04:43

【AI论文】FineWeb2：一个管道，规模适配所有语言——使预训练数据处理适应每一种语言

摘要：预训练最先进的大型语言模型（LLMs）需要大量干净且多样的文本数据。