【研究学习】LLM相关报告（论文整理）

已于 2023-10-25 17:33:58 修改
阅读量187 收藏 1
点赞数 1
文章标签： 学习 人工智能 信息与通信
于 2023-10-25 17:24:34 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Glass_Gun/article/details/134034944
版权
报告介绍了大模型LLM在数学定理证明、具身智能和多智能体通信中的应用，并探讨了NetGPT在云边协调部署中构建网络大模型的思路。此外，还讨论了物理层语义通信在6G通信中的前景，以及大模型训练和优化的最新进展。
摘要由CSDN通过智能技术生成

华为无线研究部“《无线与AI：跨领域的挑战与机遇》稼先MeetUp研讨会”上张宏纲(浙大)做的报告。

构建网络大模型NetGPT的思考与实践

在这里插入图片描述

目录

在这里插入图片描述

① 大模型LLM理论、架构和算法研究近期值得关注进展

  1. 微软亚洲研究院、北大、北航等机构的研究人员，通过97个回合的苏格拉底式严格推理，成功让GPT-4得出了P≠NP的结论。（文章来源：Large Language Model for Science: A Study on P vs. NP）
  2. 数学定理证明，一直是人类科学领域的一颗明珠。现在大语言模型开始用于数学定理证明。来自加州理工学院、
    NVIDIA、麻省理工学院、加州圣巴巴拉大学、德克萨斯大学奥斯汀分校的一群研究者研发了开源平台LeanDojo，构建了一个LLM定理证明的交互平台。（文章来源：LeanDojo: Theorem Proving with Retrieval-Augmented Language Models）
  3. 大模型+具身智能（文章来源：AgentBench: Evaluating LLMs as Agents）
  4. 大模型+具身智能；多智能体通信协作（文章来源：Agents: An Open-source Framework for Autonomous Language Agents）
  5. 大模型+具身智能（文章来源：
最低0.47元/天 解锁文章
Bosenya12
关注
构建网络大模型NetGPT的思考与实践
人工智能学家
02-05 137
来源：图灵人工智能华为无线研究部“《无线与AI：跨领域的挑战与机遇》稼先MeetUp研讨会”上张宏纲(浙大)做的报告。未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）大脑研究计划，构建互联网（城市）大脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告...
网络智能化/通信AI 大模型论文-NetGPT-超越个性化生成服务的原生智能网络架构《NetGPT: An AI-Native Network Architecture...
TELCOM17AI4NET的博客
03-21 722
本论文提出了一种基于大型语言模型（LLMs）的本地AI网络架构NetGPT，旨在超越个性化生成服务。通过有效的云边协作，作者在边缘和云端部署了代表性的开源LLMs（如GPT-2-base和LLaMA模型），并评估了它们的协同性能。此外，作者还强调了NetGPT所需的重大架构变化，并展示了基于边缘LLMs的人气预测和意图推断的性能。综上所述，NetGPT是一种有前景的本地AI网络架构，超越了个性化生成服务。
NetGPT的十大问题
边缘计算社区
02-08 210
NetGPT的十大问题Wen Tong1, Chenghui Peng1, Tingting Yang2, Fei Wang1, Juan Deng3, Rongpeng Li4, Lu Yang1, Honggang Zhang5, Dong Wang6, Ming AI7, Li Yang8, Guangyi Liu3, Yang Yang9, Yao Xiao1, Liexiang Yue3...
全面解析：大模型与AI技术——以GPT为例
q_2625289483_q的博客
06-09 113
生成式预训练Transformer模型，通常称为GPT，是一系列使用Transformer架构的神经网络模型，是为ChatGPT等生成式人工智能应用程序提供支持的人工智能（AI）的一项关键进展。GPT模型使应用程序能够创建类似人类的文本和内容（图像、音乐等），并以对话方式回答问题。各行各业的组织正在将GPT模型和生成式人工智能用于问答机器人、文本汇总、内容生成和搜索。GPT模型是一种深度学习模型，采用了Transformer架构，可用于自然语言处理（NLP）任务。
GPT大模型使用心得体会
eaglejava2015的博客
05-09 1293
但是，在使用GPT时，我们也要注意避免过度依赖，保持自己的思维锻炼，避免丧失个人的创新性。-----------------------------------------以下内容由大模型根据xmind脑图大纲生成--------------------------------------------因此，在使用GPT时，我们应该保持警惕，避免过度依赖它，要时刻保持自己的思维锻炼。很多时候，GPT能够给出我们没有想到的解决方案，从而开阔了我们的思路，帮助我们更好地解决问题。
WSDM2024推荐系统和LLM相关论文整理（一）
Cybenko
05-31 1368
WSDM 2024接收的论文已经公布，全部收录论文可前往以下地址。其中推荐系统相关论文三十余篇，下文列举了部分论文的标题以及摘要，欢迎关注公众号【
WSDM2024推荐系统和LLM相关论文整理（二）
Cybenko
05-31 1457
WSDM 2024接收的论文已经公布，全部收录的论文可前往地址网址：https://www.wsdm-conference.org/2024/accepted-papers/其中推荐系统相关论文三十余篇，下文列举了部分论文的标题以及摘要，更多内容欢迎关注公众号【
大模型LLM论文整理
weixin_43564920的博客
03-31 1413
Gemini：一族功能强大的多模态模论文名称：Gemini: A Family of Highly Capable Multimodal Models论文地址：https://arxiv.org/pdf/2312.11805会议：论文方法：该论文介绍了一种新的多模态模型系列，Gemini，在图像、音频、视频和文本理解方面具有非凡的能力。Gemini系列包括Ultra、Pro和Nano三种规模，适用于从复杂的推理任务到设备上的内存受限用例。论文实验结果：在广泛的基准测试中，该论文最先进的Gemini Ultr
ICML 2024 大语言模型相关507篇论文整理
lhx17673139267的博客
08-09 811
国际机器学习会议（International Conference on Machine Learning，简称ICML）是机器学习领域最具影响力的国际学术会议之一。ICML聚集了来自全球范围内的学者、研究人员和从业者，以分享他们在机器学习领域的最新研究成果、进展和创新想法。今年的 ICML 会议已在 2024 年 7 月 21 日~ 7 月 27 日于奥地利维也纳举办。据官方邮件通知，今年 ICML 共收到 9473 份投稿，其中 2610 份被接收，接收率约为 27.55%。
NeurIPS2023 大语言模型(LLM)方向优质论文汇总！
2401_82426425的博客
01-04 1931
实验表明，Parsel显著提升了LLM在分层推理任务如程序合成和机器人规划的表现，成功率在APPS数据集上提高75%，在HumanEval上pass@1性能从67%增至85%，同时提高了机器人规划的准确率。本文中提出了一种新的奖励模型参数化方法，简化了强化学习从人类反馈（RLHF）问题的标准解决方案，把这种算法称为直接偏好优化（DPO），它稳定、高效，计算需求低，简化了微调过程。研究人员微调了1000多个模型，结果表明，使用小型数据集的QLORA微调可获得最佳结果，即使使用较小的模型。
LLM大模型综述
热门推荐
zh515858237的专栏
01-10 2万+
LLM其实就是large language model，大语言模型。如果对“最终任务”进一步进行分类，又大致可以分为两大不同类型的任务：自然语言理解类任务和自然语言生成类任务。如果排除掉“中间任务”的话，典型的自然语言理解类任务包括文本分类、句子关系判断、情感倾向判断等，这种任务本质上都是分类任务，就是说输入一个句子（文章），或者两个句子，模型参考所有输入内容，最后给出属于哪个类别的判断。自然语言生成也包含很多NLP研究子方向，比如聊天机器人、机器翻译、文本摘要、问答系统等。
LLM：软件测试的颠覆性力量
AI天才研究院
05-02 356
在当今快速发展的软件行业中，测试一直是确保产品质量的关键环节。随着人工智能技术的飞速进步，特别是大语言模型（Large Language Models，简称LLM）的出现，软件测试领域正经历着前所未有的变革。LLM凭借其强大的自然语言处理能力和广泛的知识储备，正在重塑我们对软件测试的认知和实践方式。本文将深入探讨LLM如何revolutionize软件测试领域，从理论基础到实际应用，全方位剖析这一颠覆性技术带来的机遇与挑战。
论文翻译：A survey on large language model (LLM) security and privacy: The Good, The Bad, and The Ugly
CSPhD-winston的博客
08-05 846
大型语言模型（LLMs），如ChatGPT和Bard，已经彻底改变了自然语言理解和生成。它们具有深度语言理解能力、类似人类的文本生成能力、上下文意识和强大的问题解决技能，使它们在各个领域（例如搜索引擎、客户支持、翻译）中变得不可或缺。同时，LLMs也在安全领域获得了关注，揭示了安全漏洞并展示了它们在安全相关任务中的潜力。本文探讨了LLMs与安全性和隐私的交集。具体来说，我们研究了LLMs如何积极影响安全性和隐私，与它们使用相关的潜在风险和威胁，以及LLMs内部的固有漏洞。
Go基础学习08-并发安全型类型-通道（chan）深入研究
FLJS_T的博客
09-28 916
在前面学习中了解到对于单值变量，如：int、string；多值变量，如：map存在多协程对资源竞争的并发问题，为了解决并发性通常需要引入sync.Mutex解决。>对于通道的基本声明方式有三种：声明并初始化带缓冲的通道（ch1）；声明并初始化一个不带缓冲的通道（ch2）；仅仅声明一个通道（ch3） >什么是通道：==一个通道相当于一个先进先出（FIFO）的队列。也就是说，通道中的各个元素值都是严格地按照发送的顺序排列的，先被发送通道的元素值一定会先被接收。Select和for循环实现对channel的多次选
10.2学习
2401_87363162的博客
10-02 1126
​ Spring AOP就是基于动态代理的，如果要代理的对象，实现了某个接⼝，那么Spring AOP会使⽤JDKProxy，去创建代理对象，⽽对于没有实现接⼝的对象，就⽆法使⽤ JDK Proxy 去进⾏代理了，这时候Spring AOP会使⽤基于asm框架字节流的Cglib动态代理 ，这时候Spring AOP会使⽤ Cglib ⽣成⼀个被代理对象的⼦类来作为代理。每个线程中都有一个自己的ThreadLocalMap类对象，可以将线程自己的对象保持到其中，各管各的，线程可以正确的访问到自己的对象。
从0学习React（3）
qq_54432917的博客
09-29 774
在第一篇文章中，我们对index.tsx文件的每一行代码都做了简单的分析。通过第一篇文章的总结，我也大致知道了index.tsx里的很多语法。而第二篇文章，我对index.tsx文件的框架做了一个大致的分析，通过第二篇文章，我对index.tsx有了进一步的认识。按理来讲，第三篇文章我还是解析index.tsx文件，但是我发现，对于前两篇文章，其实我对语法的细节有很多不明白的点。因此这篇文章，我就把React的一些最基础的知识给梳理一下，帮助我更好的理解index.tsx的代码。
Go基础学习10-原子并发包sync.atomic的使用：CSA、Swap、atomic.Value......
最新发布
FLJS_T的博客
10-02 910
原子操作sync.atomic以及原子变量atomic.Value详细介绍。go中原生的支持原子操作的函数支持的变量类型int32、int64、uint32、uint64、uintptr，以及unsafe包中的Pointer。对于上述原子操作类型中的每一个，可以支持的数据类型有：==int32、int64、uint32、uint64、uintptr，以及unsafe包中的Pointer。但是否sync.Mutex变量能够保证操作的原子性。atomic.Value类型是开箱即用的，我们声明一个该类型的变量
6.824 Lab 2C 学习记录
kingsill的博客
09-29 319
最后10s，开始的时候，恢复网络，插入一个数据，等待这个数据被提交，如果超过这10s就报错。2C的test中的unreliable figure8算是给博主的迎头一棒，需要根据raft论文的figure8进行解决，leader。根据前任及博主自己的经验，unreliable figure8的除了上述这一点以外，需要对。博主由于之前的不严谨，给自己留下了很大的改进困难，最后不得不重构代码。进行一定的设计，可以参考课程里老师提出的意见。一下为博主的github仓库，需要的可以参考。有一定的考验，那么就需要对。
llm国内外研究现状
04-26
llm是法学硕士（Master of Laws）的缩写，是一种专业学位。在国内外，llm研究的现状如下： 国内研究现状： 1. 学科建设：中国的法学硕士教育已经有了较为完善的体系，各大高校都设有法学硕士专业。 2. 研究方向：国内的llm研究方向较为广泛，包括但不限于刑法、民法、行政法、经济法、国际法等。 3. 研究内容：国内llm研究内容涵盖了法律理论、法律实务、法律制度等多个方面，研究方法也较为多样化。 国外研究现状： 1. 学科建设：在国外，llm研究已经非常成熟，各大学都设有法学院或法学系，并开设了丰富的llm课程。 2. 研究方向：国外的llm研究方向也非常多样化，涵盖了各个法律领域，如国际法、商法、人权法、知识产权法等。 3. 研究方法：国外llm研究注重理论与实践相结合，研究方法包括案例分析、比较法研究、实证研究等。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Bosenya12

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值