首頁(yè)　 資訊　 商機(jī) 　 下載　 拆解 　 高校　 招聘 　 雜志　 會(huì)展　 EETV　 百科 　 問答　 電路圖　 工程師手冊(cè) 　 Datasheet　 100例 　 活動(dòng)中心　 E周刊閱讀 　 樣片申請(qǐng)
EEPW首頁(yè) >> 主題列表 >> llm

在LLM方面Google取得成功，而Meta和OpenAI則跌跌撞撞

  • 大型語(yǔ)言模型 （LLM） 的早期歷史由 OpenAI 主導(dǎo)，在較小程度上由 Meta 主導(dǎo)。OpenAI 的早期 GPT 模型確立了 LLM 性能的前沿，而 Meta 則通過提供強(qiáng)大性能的開放權(quán)重模型開辟了一個(gè)健康的利基市場(chǎng)。開放權(quán)重模型具有可公開訪問的代碼，任何人都可以自由使用、修改和部署這些代碼。這使得包括谷歌在內(nèi)的一些科技巨頭落后了。2017 年，谷歌發(fā)表了一篇關(guān)于支撐大型語(yǔ)言模型的 transformer 架構(gòu)的突破性研究論文，但該公司往往因其在
  • 關(guān)鍵字： LLM  Google  Meta  OpenAI  

大語(yǔ)言模型通過圖靈測(cè)試：GPT4.5比人還像人

  • 美國(guó)加州大學(xué)圣地亞哥分校（UCSD）發(fā)布了一項(xiàng)研究成果，宣稱首次提供了“人工智能系統(tǒng)能夠通過標(biāo)準(zhǔn)三方圖靈測(cè)試的實(shí)證證據(jù)”，證明大語(yǔ)言模型（LLM）通過了圖靈測(cè)試。其中，GPT-4.5被判斷為人類的比例高達(dá)73%，顯著高于真實(shí)人類參與者被選中的比例。圖靈測(cè)試由英國(guó)數(shù)學(xué)家和計(jì)算機(jī)科學(xué)家Alan Turing于1950年提出，他稱之為“模仿游戲”。圖靈設(shè)想，如果一名提問者在通過文本交流時(shí)無法區(qū)分對(duì)方是機(jī)器還是人類，那么這個(gè)機(jī)器可能具備類似人類的智能。在三方圖靈測(cè)試中，提問者需與一名人類和一臺(tái)機(jī)器進(jìn)行對(duì)話，并準(zhǔn)確
  • 關(guān)鍵字： 大模型  圖靈測(cè)試  AI  GPT  LLaMa  LLM  

如何使用LLM建立行業(yè)KG（知識(shí)圖）

  • 1? ?KG與LLM完美結(jié)合大語(yǔ)言模型（LLM）在各種應(yīng)用領(lǐng)域中已經(jīng)取得了顯著的成功，但是它常常無法捕捉和掌握最新的事實(shí)知識(shí)。而另一方面，知識(shí)圖（Knowledge Graph，簡(jiǎn)稱：KG）則擁有豐富的專家知識(shí)和事實(shí)知識(shí)，但它很難以構(gòu)建，又又不足以處理現(xiàn)實(shí)世界知識(shí)圖譜的動(dòng)態(tài)變化性質(zhì)和因果推論功能等。因此，自然而然地將KG 和LLM結(jié)合起來，各自發(fā)揮優(yōu)勢(shì)，相輔相成，締造完美組合。2? ?KG協(xié)助LLM：降低LLM幻覺大家都知道，LLM 常有幻覺（Hallucinati
  • 關(guān)鍵字： 202503  LLM  行業(yè)KG  知識(shí)圖  

GPT-4.5發(fā)布：比GPT-4提升10倍 但"并非前沿模型"

  • 2月28日消息，美國(guó)時(shí)間周四，OpenAI宣布推出GPT-4.5，這是其最新、最強(qiáng)大的大語(yǔ)言模型（LLM）的研究預(yù)覽版，專為聊天應(yīng)用設(shè)計(jì)。不過，這也是OpenAI迄今為止最昂貴的模型。不過，GPT-4.5仍然是一款傳統(tǒng)的大型語(yǔ)言模型，而非“推理模型”。此前，OpenAI、DeepSeek、Anthropic等公司都推出了推理模型，這些模型能夠生成“思維鏈”或類似意識(shí)流的文本，通過反思自身的假設(shè)和結(jié)論，嘗試在向用戶提供響應(yīng)或輸出之前捕捉錯(cuò)誤。盡管如此，OpenAI聯(lián)合創(chuàng)始人兼首席執(zhí)行官山姆·奧特曼（Sam
  • 關(guān)鍵字： GPT-4.5  GPT-4  OpenAI  LLM  

Arm KleidiAI 助力提升 PyTorch 上 LLM 推理性能

  • 作者：Arm 基礎(chǔ)設(shè)施事業(yè)部軟件工程師 Nobel Chowdary Mandepudi生成式人工智能 (AI) 正在科技領(lǐng)域發(fā)揮關(guān)鍵作用，許多企業(yè)已經(jīng)開始將大語(yǔ)言模型 (LLM) 集成到云端和邊緣側(cè)的應(yīng)用中。生成式 AI 的引入也使得許多框架和庫(kù)得以發(fā)展。其中，PyTorch 作為熱門的深度學(xué)習(xí)框架尤為突出，許多企業(yè)均會(huì)選擇其作為開發(fā) AI 應(yīng)用的庫(kù)。通過部署 Arm Kleidi 技術(shù) ，Arm 正在努力優(yōu)化 PyTorch，以加速在基于 Arm 架構(gòu)的處理器上運(yùn)行 LLM 的性能
  • 關(guān)鍵字： Arm  KleidiAI  PyTorch  LLM  

研華本地大型語(yǔ)言模型（LLM）邊緣AI服務(wù)器AIR-520

  • 工業(yè)物聯(lián)網(wǎng)領(lǐng)域的全球供應(yīng)商研華科技近日公布，其自主研發(fā)的“AIR-520本地大型語(yǔ)言模型（LLM）邊緣AI服務(wù)器”榮獲“第33屆臺(tái)灣精品獎(jiǎng)”銀獎(jiǎng)！今年，研華有六款產(chǎn)品獲得了中國(guó)臺(tái)灣精品獎(jiǎng)，其中兩款獲得了享有盛譽(yù)的銀獎(jiǎng)。這一出色的成績(jī)凸顯了業(yè)界對(duì)研華智能系統(tǒng)和嵌入式平臺(tái)在工業(yè)物聯(lián)網(wǎng)領(lǐng)域的認(rèn)可。研華表示將繼續(xù)整合人工智能驅(qū)動(dòng)的行業(yè)解決方案和領(lǐng)域?qū)I(yè)知識(shí)，加速數(shù)字化轉(zhuǎn)型，為客戶推動(dòng)工業(yè)智能的發(fā)展。研華嵌入式物聯(lián)網(wǎng)集團(tuán)總經(jīng)理張家豪強(qiáng)調(diào)，研華作為一家跨越邊緣計(jì)算、物聯(lián)網(wǎng)系統(tǒng)軟件和垂直行業(yè)解決方案的多元化工業(yè)物聯(lián)網(wǎng)企
  • 關(guān)鍵字： 研華  本地大型語(yǔ)言模型  LLM  邊緣AI服務(wù)器  

Arm計(jì)算平臺(tái)加持，全新Llama 3.2 LLM實(shí)現(xiàn)AI 推理的全面加速和擴(kuò)展

  • 新聞重點(diǎn)：●? ?在Arm CPU上運(yùn)行Meta最新Llama 3.2版本，其云端到邊緣側(cè)的性能均得到顯著提升，這為未來AI工作負(fù)載提供了強(qiáng)大支持●? ?Meta與Arm的合作加快了用例的創(chuàng)新速度，例如個(gè)性化的端側(cè)推薦以及日常任務(wù)自動(dòng)化等●? ?Arm十年來始終積極投資AI領(lǐng)域，并廣泛開展開源合作，為?1B?至?90B?的?LLM?實(shí)現(xiàn)在?Arm?計(jì)算平臺(tái)上無縫運(yùn)行人
  • 關(guān)鍵字： Arm  Llama 3.2 LLM  AI 推理  Meta  

傳感器融合技術(shù)如何助力自主移動(dòng)機(jī)器人導(dǎo)航再升級(jí)？

  • 自主移動(dòng)機(jī)器人(AMR)可幫助制造商提高生產(chǎn)效率、增強(qiáng)安全性并節(jié)省大量成本，因而在各行各業(yè)得到廣泛應(yīng)用。2022年全球AMR市場(chǎng)規(guī)模為86.5億美元，預(yù)計(jì)2022年至2028年間的復(fù)合年增長(zhǎng)率(CAGR)將達(dá)到18.3%。進(jìn)入工業(yè)5.0時(shí)代，人類將與人工智能(AI)機(jī)器人協(xié)同工作，機(jī)器人輔助而非取代人類。愿景固然美好，但要實(shí)現(xiàn)這一目標(biāo)，AMR必須克服重重挑戰(zhàn)，集成各種傳感器以及新興的傳感器融合技術(shù)將為此提供助益。AMR采用過程中所面臨的挑戰(zhàn)AMR普及的一大難題是其在多種不同應(yīng)用和環(huán)境中的適應(yīng)性。AMR已廣
  • 關(guān)鍵字： 自主移動(dòng)機(jī)器人  傳感器  AMR  LLM  

用工具彌補(bǔ)AI短板，讓AI答案更精準(zhǔn)

  • ChatGPT和GPT-4等大型語(yǔ)言模型 (LLM) 已成為提高工作效率和更好地理解各種主題不可或缺的工具。從教育到軟件開發(fā)，再到內(nèi)容寫作，LLM在眾多領(lǐng)域嶄露頭角，它們?cè)谔釤捄蜕晒┤祟愂褂玫男畔⒎矫嬗兄跎衿娴哪芰?。不過，盡管LLM的能力令人印象深刻，但它們?cè)谔峁?zhǔn)確答案或執(zhí)行需要精確知識(shí)的特定任務(wù)時(shí)，卻常常比較吃力。例如，對(duì)于復(fù)雜的數(shù)學(xué)問題或者晦澀難懂的題目，往往會(huì)給出錯(cuò)誤或不夠充分的答案。出現(xiàn)這些局限性的主要原因是，LLM通常是使用過時(shí)的數(shù)據(jù)進(jìn)行訓(xùn)練，以預(yù)測(cè)句子中下一個(gè)在統(tǒng)計(jì)
  • 關(guān)鍵字： 語(yǔ)言模型  LLM  AI  

Nvidia 征服了最新的 AI 測(cè)試

  • 多年來，英偉達(dá)在許多機(jī)器學(xué)習(xí)基準(zhǔn)測(cè)試中占據(jù)主導(dǎo)地位，現(xiàn)在它又多了兩個(gè)檔次。MLPerf，有時(shí)被稱為“機(jī)器學(xué)習(xí)的奧林匹克”的人工智能基準(zhǔn)測(cè)試套件，已經(jīng)發(fā)布了一套新的訓(xùn)練測(cè)試，以幫助在競(jìng)爭(zhēng)計(jì)算機(jī)系統(tǒng)之間進(jìn)行更多更好的同類比較。MLPerf 的一項(xiàng)新測(cè)試涉及對(duì)大型語(yǔ)言模型的微調(diào)，該過程采用現(xiàn)有的訓(xùn)練模型，并用專業(yè)知識(shí)對(duì)其進(jìn)行更多訓(xùn)練，使其適合特定目的。另一個(gè)是圖神經(jīng)網(wǎng)絡(luò)，一種機(jī)器學(xué)習(xí)，一些文獻(xiàn)數(shù)據(jù)庫(kù)背后的一種機(jī)器學(xué)習(xí)，金融系統(tǒng)中的欺詐檢測(cè)，以及社交網(wǎng)絡(luò)。即使使用谷歌和英特爾的人工智能加速器的計(jì)算機(jī)增加和參與，由
  • 關(guān)鍵字： GPU  神經(jīng)網(wǎng)絡(luò)  LLM  MLPerf  基準(zhǔn)測(cè)試  英偉達(dá)  

中國(guó)電信發(fā)布全球首個(gè)單體稠密萬億參數(shù)語(yǔ)義模型 Tele-FLM-1T

  • IT之家 6 月 19 日消息，中國(guó)電信人工智能研究院（TeleAI）和智源研究院聯(lián)合發(fā)布全球首個(gè)單體稠密萬億參數(shù)語(yǔ)義模型 Tele-FLM-1T，該模型與百億級(jí)的 52B 版本，千億級(jí)的 102B 版本共同構(gòu)成 Tele-FLM 系列模型。TeleAI 和智源研究院基于模型生長(zhǎng)和損失預(yù)測(cè)等技術(shù)，Tele-FLM 系列模型僅使用了業(yè)界普通訓(xùn)練方案 9% 的算力資源，基于 112 臺(tái) A800 服務(wù)器，用 4 個(gè)月完成 3 個(gè)模型總計(jì) 2.3T tokens 的訓(xùn)練。模型訓(xùn)練全程做到了零調(diào)整零重試
  • 關(guān)鍵字： LLM  AI  大語(yǔ)言模型  

熟悉LLM的重要機(jī)制

  • 1 前言在前一期里，介紹過大語(yǔ)言模型(LLM)幕后核心的注意力(Attention)機(jī)制。本期就來繼續(xù)擴(kuò)大，介紹大名鼎鼎的轉(zhuǎn)換器(Transformer)模型。其中，要特別闡述：為什么當(dāng)今主流LLM都采用<僅譯碼器>(Decoder-Only Transformer)模型。在 2017 年， 首先在「Attention is All You Need」這篇論文中提出了經(jīng)典的Transformer架構(gòu)，它內(nèi)含編碼器(Encoder)和譯碼器(Decoder)兩部分。后來，自從GPT-2之后，整個(gè)
  • 關(guān)鍵字： 202406  LLM  

微軟亞研院新作：讓大模型一口氣調(diào)用數(shù)百萬個(gè) API

  • 近年來，人工智能發(fā)展迅速，尤其是像 ChatGPT 這樣的基礎(chǔ)大模型，在對(duì)話、上下文理解和代碼生成等方面表現(xiàn)出色，能夠?yàn)槎喾N任務(wù)提供解決方案。但在特定領(lǐng)域任務(wù)上，由于專業(yè)數(shù)據(jù)的缺乏和可能的計(jì)算錯(cuò)誤，它們的表現(xiàn)并不理想。同時(shí)，雖然已有一些專門針對(duì)特定任務(wù)的 AI 模型和系統(tǒng)表現(xiàn)良好，但它們往往不易與基礎(chǔ)大模型集成。為了解決這些重要問題，TaskMatrix.AI 破繭而出、應(yīng)運(yùn)而生，這是由微軟（Microsoft）設(shè)計(jì)發(fā)布的新型 AI 生態(tài)系統(tǒng)。其核心技術(shù)近期在《科學(xué)》合作期刊 Inte
  • 關(guān)鍵字： AI  LLM  

AI神奇魅力的源點(diǎn)：相似度

  • 1 前言在本專欄去年的文章《從隱空間認(rèn)識(shí)CLIP 多模態(tài)模型》里，已經(jīng)介紹過了：CLIP 的核心設(shè)計(jì)概念是，把各文句和圖像映射到隱空間里的一個(gè)點(diǎn)( 以向量表示)。其針對(duì)每一個(gè)文句和圖像都會(huì)提取其特征，并映射到這個(gè)隱空間里的某一點(diǎn)。然后經(jīng)由矩陣計(jì)算出向量夾角的余弦(Cosine) 值，來估計(jì)它們之間的相似度(Similarity)。此外，在Transformer 里扮演核心角色的點(diǎn)積注意力(Dot-Product attention) 機(jī)制，其先透過點(diǎn)積運(yùn)算，從Q與K矩陣計(jì)算出的其相似度(Similarit
  • 關(guān)鍵字： 202403  LLM  相似度  CLIP  Transformer  

語(yǔ)言大模型的進(jìn)化軌跡

  • ChatGPT 的發(fā)布是語(yǔ)言大模型（LLM）發(fā)展史的轉(zhuǎn)折點(diǎn)，它讓人們意識(shí)到 LLM 的潛力，并引發(fā)了 “AI 競(jìng)賽”，世界上主要人工智能實(shí)驗(yàn)室和初創(chuàng)公司都參與其中。在這之后，基于 LLM 的聊天機(jī)器人層出不窮。1語(yǔ)言模型簡(jiǎn)單來說，語(yǔ)言模型能夠以某種方式生成文本。它的應(yīng)用十分廣泛，例如，可以用語(yǔ)言模型進(jìn)行情感分析、標(biāo)記有害內(nèi)容、回答問題、概述文檔等等。但理論上，語(yǔ)言模型的潛力遠(yuǎn)超以上常見任務(wù)。想象你有一個(gè)完備的語(yǔ)言模型，可生成任意類型的文本，并且人們還無法辨別這些內(nèi)容是否由計(jì)算機(jī)生成，那么我們就可以使其完成
  • 關(guān)鍵字： 人工智能  LLM  大語(yǔ)言模型  
共15條 1/1 1

llm介紹

您好，目前還沒有人創(chuàng)建詞條llm!
歡迎您創(chuàng)建該詞條，闡述對(duì)llm的理解，并與今后在此搜索llm的朋友們分享。    創(chuàng)建詞條

熱門主題

樹莓派    linux   
關(guān)于我們 - 廣告服務(wù) - 企業(yè)會(huì)員服務(wù) - 網(wǎng)站地圖 - 聯(lián)系我們 - 征稿 - 友情鏈接 - 手機(jī)EEPW
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產(chǎn)品世界》雜志社 版權(quán)所有 北京東曉國(guó)際技術(shù)信息咨詢有限公司
備案 京ICP備12027778號(hào)-2 北京市公安局備案：1101082052    京公網(wǎng)安備11010802012473