NLP/LLMs
文章平均质量分 86
本文章主要分享自然语言技术及其大语言模型领域的知识和案例,理论知识与实战案例相互结合。NLP (Natural Language Processing) 是人工智能(AI)的一个子领域。自然语言是人类智慧的结晶,自然语言处理是人工智能中最为困难的问题之一,而对自然语言处理的研究也是充满魅力和挑战的。
一个处女座的程序猿
人工智能硕博学历,拥有十多项发明专利(6项)和软著(9项),包括国际期刊SCI内多篇论文,多个国家级证书(2个国三级、3个国四级),曾获国内外“人工智能算法”竞赛(包括国家级省市级等,一等奖5项、二等奖4项、三等奖2项)证书十多项,以上均以第一作者身份,并拥有省市校级个人荣誉证书十多项。目前也是国内知名博主,连续3年获CSDN十大博客之星,荣获达摩院评测官、阿里社区/CSDN社区/51CTO/华为社区等十多个开发者社区专家博主荣誉,曾受邀阿里/华为/谷歌等社区采访-评审-论坛几十次。截止2022年,AI领域粉丝超100万,文章阅读量超5000万。正在撰写《AI算法最新实战》一书,目前已30万字
展开
-
LLMs之Hallucinations :《Extrinsic Hallucinations in LLMs》翻译与解读
LLMs之Hallucinations :《Extrinsic Hallucinations in LLMs》翻译与解读目录《Extrinsic Hallucinations in LLMs》翻译与解读导致幻觉的原因幻觉检测反幻觉方法附录:评估基准《Extrinsic Hallucinations in LLMs》翻译与解读地址文章地址:Extrinsic H原创 2024-07-28 22:32:44 · 993 阅读 · 0 评论 -
MLM之GPT:GPT-4o mini(最具成本效益的GPT-4o)的简介、安装和使用方法、案例应用之详细攻略
MLM之GPT:GPT-4o mini(最具成本效益的GPT-4o)的简介、安装和使用方法、案例应用之详细攻略目录GPT-4o mini的简介GPT-4o mini的安装和使用方法GPT-4o mini的案例应用GPT-4o mini的简介2024年7月18日,GPT-4o mini是OpenAI推出的最具成本效益的小型模型,推进成本效益型智能,推出OpenAI最具成本效益的小型机型。OpenAI 致力于让智能尽可能广泛地普及。今天,OpenAI宣布推出原创 2024-07-24 23:36:16 · 1027 阅读 · 0 评论 -
LLMs之GPT:SearchGPT的简介、安装和使用方法、案例应用之详细攻略
LLMs之GPT:SearchGPT的简介、安装和使用方法、案例应用之详细攻略目录SearchGPT的简介SearchGPT的安装和使用方法1、SearchGPT的安装2、SearchGPT的使用方法SearchGPT的案例应用SearchGPT的简介2024年7月25日,OpenAI正式发布SearchGPT原型。这是新 AI 搜索功能的临时原型,可为您提供快速及时的答案以及清晰相关的来源。SearchGPT是一个正在测试的临时原型,旨在结合AI模型和网络信息原创 2024-07-25 23:59:45 · 880 阅读 · 0 评论 -
MLM之GPT-4o:Sample AI assistant(示例AI助手来复现GPT-4o)的简介、安装和使用方法、案例应用之详细攻略
MLM之GPT-4o:Sample AI assistant(示例AI助手来复现GPT-4o)的简介、安装和使用方法、案例应用之详细攻略目录Sample AI assistant的简介Sample AI assistant的安装和使用方法Sample AI assistant的案例应用Sample AI assistant的简介2024年6月,网友发布Sample AI assistant,示例AI助手是一款来复现GPT-4o效果的开源工具。GitHu原创 2024-07-23 23:48:18 · 971 阅读 · 0 评论 -
MLM之CLIP:CLIP(对比语言-图像预训练模型)的简介、安装和使用方法、案例应用之详细攻略
MLM之CLIP:CLIP的简介、安装和使用方法、案例应用之详细攻略目录相关文章CLIP的简介CLIP的安装和使用方法CLIP的案例应用相关文章《Learning Transferable Visual Models From Natural Language Supervision》翻译与解读地址论文地址:https://arxiv.org/abs/2103.00020时间2021 年 2 月 26 日作者OpenAI总结CLIP的原创 2021-11-16 01:32:47 · 5053 阅读 · 0 评论 -
成功解决This graphics driver could not find compatible graphics hardware. You maycontinue installation,
成功解决This graphics driver could not find compatible graphics hardware. You maycontinue installation, but you may not be able to run CUDA applications with thisdriver. This may occur with graphics hardware that is newer than this toolkit. lInthat case, it原创 2024-07-25 01:15:29 · 960 阅读 · 0 评论 -
LLMs之memory:mem0(个性化的AI记忆层)的简介、安装和使用方法、案例应用之详细攻略
LLMs之memory:mem0(个性化的AI记忆层)的简介、安装和使用方法、案例应用之详细攻略目录mem0的简介mem0的安装和使用方法mem0的案例应用mem0的简介2024年7月19日,Mem0 AI公司公开发布mem0,这是一款个性化 AI 的记忆层。Mem0 为大语言模型提供了一个智能、自我改进的记忆层,使得在各种应用中实现个性化的 AI 体验成为可能,从而实现跨应用程序的个性化 AI 体验。注意:Mem0 仓库现在还包含了 Embedchain 项目。我们原创 2024-07-23 23:47:20 · 1583 阅读 · 0 评论 -
LLMs之Agent:Agentscope的简介、安装和使用方法、案例应用之详细攻略
LLMs之Agent:Agentscope的简介、安装和使用方法、案例应用之详细攻略目录Agentscope的简介Agentscope的安装和使用方法Agentscope的案例应用Agentscope的简介2024年2月27日,发布Agentscope,这是一款更简单地构建基于LLM的多智能体应用。AgentScope是一个创新的多智能体开发平台,旨在赋予开发人员使用大模型轻松构建多智能体应用的能力。>> 高易用: AgentScope专为开发原创 2024-07-25 00:28:53 · 992 阅读 · 0 评论 -
AI之Transformer:Transformer算法原理探索之基于 Transformer 模型层的中间层表示空间及其对计算效率的影响之实证研究
AI之Transformer:Transformer探索之基于 Transformer 模型层的中间层表示空间及其对计算效率的影响之实证研究目录相关文章基于 Transformer 模型层的中间层表示空间及其对计算效率的影响之实证研究相关文章《Transformer Layers as Painters》翻译与解读地址论文地址:https://arxiv.org/abs/2407.09298v1时间2024年7月12日作者Q原创 2024-07-24 23:37:13 · 1171 阅读 · 0 评论 -
LLMs之Llama 3.1:Llama 3.1的简介、安装和使用方法、案例应用之详细攻略
LLMs之Llama 3.1:Llama 3.1的简介、安装和使用方法、案例应用之详细攻略目录Llama 3.1的简介Llama 3.1的安装和使用方法Llama 3.1的案例应用Llama 3.1的简介2024年7月23日,Meta重磅推出Llama 3.1。到目前为止,开源大型语言模型在功能和性能方面大多落后于闭源模型。现在,我们正迎来一个由开源引领的新时代。我们公开发布了 Meta Llama 3.1原创 2024-07-23 23:50:17 · 1539 阅读 · 0 评论 -
LLMs之RAG:GraphRAG(本质是名词Knowledge Graph/Microsoft微软发布)的简介、安装和使用方法、案例应用之详细攻略
LLMs之RAG:GraphRAG(Microsoft微软发布)的简介、安装和使用方法、案例应用之详细攻略目录GraphRAG(Microsoft微软发布)的简介GraphRAG(Microsoft微软发布)的安装和使用方法GraphRAG(Microsoft微软发布)的案例应用GraphRAG(Microsoft微软发布)的简介GraphRAG(Microsoft微软发布)的安装和使用方法GraphRAG(Microsof原创 2024-07-12 23:56:53 · 1606 阅读 · 0 评论 -
LLMs之Text2Sql之dataherald:dataherald(将自然语言转换为 SQL)的简介、安装和使用方法、案例应用之详细攻略
LLMs之Text2Sql之dataherald:dataherald(将自然语言转换为 SQL)的简介、安装和使用方法、案例应用之详细攻略目录dataherald(好好)的简介dataherald(好好)的安装和使用方法dataherald(好好)的案例应用dataherald(好好)的简介2023年9月14日,dataherald开源发布,用自然语言查询您的关系数据。dataherald是一款与您的 SQL 数据库互动,使用大型语言模型(LLMs)将自然语言转换为原创 2024-04-06 02:59:36 · 794 阅读 · 0 评论 -
LLMs之Text2Sql之Chat2DB:Chat2DB(AI驱动的数据开发和分析平台)的简介、安装和使用方法、案例应用之详细攻略
LLMs之Text2Sql之Chat2DB:Chat2DB(AI驱动的数据开发和分析平台)的简介、安装和使用方法、案例应用之详细攻略目录Chat2DB的简介Chat2DB的安装和使用方法Chat2DB的案例应用Chat2DB的简介2023年7月,在GitHub平台正式发布Chat2DB!Chat2DB 是一款AI first的数据管理、开发、分析工具,它的核心是AIGC(Artificial Intelligence Generation Cod原创 2024-01-14 23:30:13 · 1626 阅读 · 0 评论 -
LLMs之RAG:深度剖析基于大语言模型的RAG系统中优化技巧总结—“用户查询”阶段优化策略经验—Query重写、Query分解、Query增强技术思路分析与代码实验结果对比之详细攻略
LLMs之RAG:深度剖析基于大语言模型的RAG系统中优化技巧总结—“用户查询”阶段优化策略经验—Query重写、Query分解、Query增强技术思路分析与代码实验结果对比之详细攻略目录相关参考内容深度剖析基于大语言模型的RAG系统中优化技巧总结—“用户查询”阶段优化策略经验—Query重写、Query分解、Query增强技术思路分析与代码实验结果对比之详细攻略# 1、定义嵌入模型和LLM# 2、加载数据并预处理:加载网页、文本分割、索引构建# 3、R原创 2024-07-12 02:16:35 · 3873 阅读 · 0 评论 -
LLMs之RAG:深度剖析基于大语言模型的RAG系统中优化技巧总结—“用户查询”阶段优化策略经验—Query重写、Query分解、Query增强技术思路分析与代码实验结果对比之详细攻略—代码输出
LLMs之RAG:深度剖析基于大语言模型的RAG系统中优化技巧总结—“用户查询”阶段优化策略经验—Query重写、Query分解、Query增强技术思路分析与代码实验结果对比之详细攻略—代码输出目录相关文章深度剖析基于大语言模型的RAG系统中优化技巧总结—“用户查询”阶段优化策略经验—Query重写、Query分解、Query增强技术思路分析与代码实验结果对比之详细攻略—代码输出相关文章LLMs之RAG:深度剖析基于大语言模型的RAG系统中优化技巧总结—“用户查询”阶段优化策略原创 2024-07-12 01:56:34 · 970 阅读 · 0 评论 -
LLMs之GLM:《ChatGLM: A Family of Large Language Models from GLM-130B to GLM-4 All Tools》翻译与解读
LLMs之ChatGLM:《ChatGLM: A Family of Large Language Models from GLM-130B to GLM-4 All Tools》翻译与解读目录《ChatGLM: A Family of Large Language Models from GLM-130B to GLM-4 All Tools》翻译与解读Abstract1 Introduction引言2 ChatGLM原创 2024-06-20 01:44:41 · 3023 阅读 · 1 评论 -
LLMs:《Opening up ChatGPT: tracking openness of instruction-tuned LLMs打开ChatGPT:跟踪调整指令微调的开放式LLM》翻译与解
LLMs:《Opening up ChatGPT: tracking openness of instruction-tuned LLMs打开ChatGPT:跟踪调整指令微调的开放式LLM》翻译与解读目录相关文章越来越多的指令微调文本生成大模型自称为“开源”,那么,它们到底有多开放呢?简而言之相关文章LLMs:《Rethinking open source generative AI open-washing and the EU AI Act》翻译与解读LLMs:《R原创 2024-07-05 00:41:43 · 1426 阅读 · 0 评论 -
LLMs:《Rethinking open source generative AI open-washing and the EU AI Act》翻译与解读
LLMs:《Rethinking open source generative AI open-washing and the EU AI Act》翻译与解读导读:这篇文章阐述了开放源码生成式人工智能(generative AI)模型的一个新方式,并提出了一个开放度评估框架。背景:去年众多语言模型开始声称自己是开放源码的,但实际情况如何呢?>> 越来越多声称"开源"的大型语言模型和生成式AI系统出现,但它们的开放程度令人质疑。>> 即将生效的欧盟AI法案将赋予"开源"系统某些特权和豁免,这使原创 2024-07-05 00:18:12 · 955 阅读 · 0 评论 -
LLMs之Lamini-1:《Banishing LLM Hallucinations Requires Rethinking Generalization消除大型语言模型幻觉需要重新思考》翻译与解读
LLMs之Lamini-1:《Banishing LLM Hallucinations Requires Rethinking Generalization》翻译与解读目录《Banishing LLM Hallucinations Requires Rethinking Generalization》翻译与解读Abstract11Conclusion《Banishing LLM Hallucinations Requires Rethinking原创 2024-07-04 00:48:59 · 1348 阅读 · 0 评论 -
LLMs之CriticGPT:CriticGPT的简介、安装和使用方法、案例应用之详细攻略
LLMs之CriticGPT:CriticGPT的简介、安装和使用方法、案例应用之详细攻略目录CriticGPT的简介CriticGPT的安装和使用方法CriticGPT的案例应用CriticGPT的简介2024年6月27日,OpenAI官方正式发布CriticGPT,CriticGPT是一个基于 GPT-4 的模型,它撰写了对 ChatGPT 响应的评论,以帮助人类训练师在 RLHF 期间发现错误。官方地址:https://openai.com/index/fin原创 2024-07-04 00:25:56 · 1393 阅读 · 1 评论 -
LLMs之gptpdf:gptpdf的简介、安装和使用方法、案例应用之详细攻略
LLMs之gptpdf:gptpdf的简介、安装和使用方法、案例应用之详细攻略目录gptpdf的简介gptpdf的安装和使用方法gptpdf的案例应用gptpdf的简介gptpdf是一款主要使用视觉大语言模型(如 GPT-4o)将 PDF 解析为 markdown。我们的方法非常简单(只有293行代码),但几乎可以完美地解析排版、数学公式、表格、图片、图表等。每页平均价格:0.013 美元我们使用 GeneralAgent lib 与 OpenAI API 交互。pd原创 2024-07-03 23:33:29 · 1420 阅读 · 0 评论 -
LLMs之gpt_academic:gpt_academic的简介、安装和使用方法、案例应用之详细攻略
LLMs之gpt_academic:gpt_academic的简介、安装和使用方法、案例应用之详细攻略目录gpt_academic的简介gpt_academic的安装和使用方法gpt_academic的案例应用gpt_academic的简介2023年4月6日由发布,gpt_academic是为GPT/GLM等LLM大语言模型提供实用化交互接口,特别优化论文阅读/润色/写作体验,模块化设计,支持自定义快捷按钮&函数插件,支持Python和C++等项目原创 2024-06-30 23:49:38 · 1767 阅读 · 0 评论 -
LLMs之Prompt:《The Prompt Report: A Systematic Survey of Prompting Techniques》翻译与解读
LLMs之Prompt:《The Prompt Report: A Systematic Survey of Prompting Techniques》翻译与解读目录《The Prompt Report: A Systematic Survey of Prompting Techniques》翻译与解读Abstract8Conclusion《The Prompt Report: A Systematic Survey of Prompti原创 2024-06-28 02:57:09 · 1461 阅读 · 0 评论 -
LLMs之Gemma-2:Gemma 2 的简介、安装和使用方法、案例应用之详细攻略
LLMs之Gemma-2:Gemma 2 的简介、安装和使用方法、案例应用之详细攻略目录Gemma 2 的简介Gemma 2 的安装和使用方法Gemma 2 的案例应用Gemma 2 的简介Gemma 2 是 Google 最新的开放大语言模型。它有两种规模:90 亿参数和 270 亿参数,分别具有基础(预训练)和指令调优版本。Gemma 基于 Google DeepMind 的 Gemini,拥有 8K Tokens 的上下文长度:gemma-2-9b:原创 2024-06-26 02:11:52 · 1675 阅读 · 0 评论 -
LLMs之Nemotron-4:《Nemotron-4 340B Technical Report》翻译与解读
LLMs之Nemotron-4:《Nemotron-4 340B Technical Report》翻译与解读目录《Nemotron-4 340B Technical Report》翻译与解读Abstract4 Conclusion《Nemotron-4 340B Technical Report》翻译与解读地址论文地址:https://arxiv.org/abs/2406.11704时间2024 年6月17日作者NVIDIAAbs原创 2024-06-26 00:00:08 · 1641 阅读 · 0 评论 -
Py之tavily:tavily的简介、安装和使用方法、案例应用之详细攻略
Py之tavily:tavily的简介、安装和使用方法、案例应用之详细攻略目录tavily的简介tavily的安装和使用方法tavily的案例应用tavily的简介Python SDK Python库允许您轻松与Tavily API进行交互,直接从您的Python程序中提供基本和高级搜索功能。轻松地将智能搜索功能集成到您的应用程序中,利用Tavily强大的搜索功能。搜索API有两个搜索深度选项:基本和高级。基本搜索针对性能进行了优化,导致响应时间更快。高级搜索可能需要更长时原创 2024-04-18 02:59:06 · 1389 阅读 · 0 评论 -
Py之dashscope:dashscope的简介、安装和使用方法、案例应用之详细攻略
Py之dashscope:dashscope的简介、安装和使用方法、案例应用之详细攻略目录dashscope的简介dashscope的安装和使用方法dashscope的案例应用dashscope的简介DashScope(模型服务灵积),灵积通过灵活、易用的模型API服务,让各种模态模型的能力,都能方便的为AI开发者所用。通过灵积API,开发者不仅可以直接集成大模型的强大能力,也可以对模型进行训练微调,实现模型定制化。DashScope(模型服务灵积)是一个基于“模型即服务原创 2024-06-28 00:31:32 · 1644 阅读 · 0 评论 -
LLMs之Tool之ETA:通过现象看本质——探究国内外可以调用工具能力的LLM是如何实现自主选择工具的核心逻辑(本质就是以LLM作为选择的决策引擎),以及该能力的一些思考
LLMs之ETA:通过现象看本质——探究国内外可以调用工具能力的大模型是如何实现否调用或者是自主选择工具的本质逻辑(本质是LLM作为决策引擎),以及一些思考目录探究国内外可以调用工具能力的LLM是如何实现是否调用工具以及自主选择要调用合适工具的具体逻辑探究具体有调用工具能力LLM的一些关键技术:训练语料、命令LLM作为决策引擎时的提示词等探究国内外可以调用工具能力的LLM是如何实现是否调用工具以及自主选择要调用合适工具的具体逻辑你是一位大语言模型(LLM)算法专家,请你帮原创 2024-06-25 23:17:14 · 352 阅读 · 0 评论 -
Py之SnowNLP:SnowNLP中文处理包的简介、安装和使用方法、案例应用之详细攻略
Py之SnowNLP:SnowNLP中文处理包的简介、安装、使用方法、代码实现之详细攻略目录SnowNLP的简介SnowNLP的安装SnowNLP的使用方法SnowNLP的训练SnowNLP的简介SnowNLP是一个python写的类库,可以方便的处理中文文本内容,是受到了TextBlob的启发而写的,由于现在大部分的自然语言处理库基本都是针对英文的,于是写了一个方便处理中文的类库,并且和TextBlob不同的是,这里没有用NLTK,所有的算法都原创 2018-03-14 20:33:01 · 21092 阅读 · 1 评论 -
LLMs之Agent之vision-agent:vision-agent的简介、安装和使用方法、案例应用之详细攻略
LLMs之Agent之vision-agent:vision-agent的简介、安装和使用方法、案例应用之详细攻略目录vision-agent的简介vision-agent的安装和使用方法vision-agent的案例应用vision-agent的简介2024年6月6日,Andrew Ng在Snowflake活动上发布vision-agent。Vision Agent 是一个库,可以帮助您利用代理框架生成代码来解决视觉任务。许多当前的视觉问题需要数小时甚至数天才原创 2024-06-21 01:42:10 · 1168 阅读 · 0 评论 -
MLMs之Claude:Claude 3.5 Sonnet的简介、安装和使用方法、案例应用之详细攻略
MLMs之Claude:Claude 3.5 Sonnet的简介、安装和使用方法、案例应用之详细攻略目录Claude 3.5 Sonnet的简介Claude 3.5 Sonnet的安装和使用方法Claude 3.5 Sonnet的案例应用Claude 3.5 Sonnet的简介2024年6月21日,ClaudeAI团队重磅发布Claude 3.5 Sonnet。Claude 3.5 Sonnet 是 Claude 3.5 模型家族中的首个版本,旨在提原创 2024-06-21 02:22:44 · 1826 阅读 · 0 评论 -
LLMs之ChatGLM:查看AutoModelForCausalLM加载对应LLM模型结构方法—ChatGLM系列模型(ChatGLM-1/ChatGLM-2/ChatGLM-3/ChatGLM-4
LLMs之ChatGLM:ChatGLM-1、ChatGLM-1、ChatGLM-1、ChatGLM-1等网络架构详解及其对比(伪代码的形式)目录模型架构比较三大架构对比模型架构比较tokenizer=AutoTokenizer.from_pretrained(model_path,trust_remote_code=True)model=AutoModel.from_pretrained(model_path,trust_remote_code=True).flo原创 2024-06-20 02:04:05 · 465 阅读 · 0 评论 -
成功解决exact_match/exact_match.py. Module ‘exact_match‘ doesn‘t exist on the Hugging Face Hub either.
成功解决Couldn't find a module script at /root/lm-evaluation-harness/exact_match/exact_match.py. Module 'exact_match' doesn't exist on the Hugging Face Hub either.目录解决问题解决思路解决方法解决问题lm-eval --tasks listTraceback (most recent call last): Fi原创 2024-04-28 02:14:01 · 104 阅读 · 0 评论 -
LLMs之benchmark之lm-evaluation-harness:lm-evaluation-harness(语言模型评估工具)的简介、安装和使用方法、案例应用之详细攻略
LLMs之benchmark之lm-evaluation-harness:lm-evaluation-harness(语言模型评估工具)的简介、安装和使用方法、案例应用之详细攻略目录lm-evaluation-harness的简介lm-evaluation-harness的安装和使用方法lm-evaluation-harness的案例应用lm-evaluation-harness的简介2023年12月,lm-evaluation-harness项原创 2024-06-19 02:38:00 · 1898 阅读 · 0 评论 -
LLMs之benchmark之OpenCompass:OpenCompass的简介、安装和使用方法、案例应用之详细攻略
LLMs之benchmark之OpenCompass:OpenCompass的简介、安装和使用方法、案例应用之详细攻略目录OpenCompass的简介OpenCompass的安装和使用方法OpenCompass的案例应用OpenCompass的简介2023年4月发布,OpenCompass 是面向大模型评测的一站式平台。其主要特点如下:Github地址:GitHub - open-compass/opencompass: OpenComp原创 2024-06-19 01:59:22 · 1390 阅读 · 0 评论 -
LLMs之GLM-4:基于AutoDL云服务器利用自定义json格式指令数据集+数据格式转换(单轮问答对message【user-assistant】、多轮对话)对GLM-4-9b-chat训练(Lo
LLMs之GLM-4:基于AutoDL云服务器利用自定义json格式指令数据集+数据格式转换(单轮问答对message【user-assistant】、多轮对话)对GLM-4-9B训练(LoRA/P-Tuning v2微调)+推理案例的全流程实战目录一、清理服务器缓存二、模型推理三、模型微调3.1、基于GLM-4-9b实现问答对话(单轮)微调3.2、基于GLM-4-9b实现问答对话(多轮)微调一、清理服务器缓存ECS之AutoDL:Au原创 2024-06-07 00:53:03 · 1086 阅读 · 0 评论 -
LLMs之TimesFM:《A Decoder-Only Foundation Model For Time-Series Forecasting》的翻译与解读
LLMs:《A Decoder-Only Foundation Model For Time-Series Forecasting》的翻译与解读目录《A Decoder-Only Foundation Model For Time-Series Forecasting》的翻译与解读ABSTRACT1 Introduction引言7 Conclusion结论《A Decoder-Only Foundation Model For Time-S原创 2024-06-15 00:48:40 · 1689 阅读 · 0 评论 -
LLMs之Qwen2:Qwen2的简介、安装和使用方法、案例应用之详细攻略
LLMs之Qwen2:Qwen2的简介、安装和使用方法、案例应用之详细攻略目录Qwen2的简介Qwen2的安装和使用方法Qwen2的案例应用Qwen2的简介2024年6月6日,发布Qwen2,Qwen2是从Qwen1.5进化而来,提供五种规模的预训练和指令微调模型(0.5B、1.5B、7B、57B-A14B和72B),支持多达27种语言,具有顶尖的基准测试性能,在编码和数学方面显著提升,并扩展了Qwen2-7B-Instruct和Qwen2原创 2024-06-14 02:36:37 · 3506 阅读 · 0 评论 -
LLMs之translation-agent:translation-agent的简介、安装和使用方法、案例应用之详细攻略
LLMs之translation-agent:translation-agent的简介、安装和使用方法、案例应用之详细攻略目录translation-agent的简介translation-agent的安装和使用方法translation-agent的案例应用translation-agent的简介Translation Agent:使用反射工作流程的代理翻译这是一个展示使用反射工作流程进行机器翻译的Python示例。主要步骤如下:提示大型语言模型(LLM)将文本原创 2024-06-14 02:21:45 · 1313 阅读 · 1 评论 -
LLMs之Bench:LiveBench的简介、安装和使用方法、案例应用之详细攻略
LLMs之Bench:LiveBench的简介、安装和使用方法、案例应用之详细攻略目录LiveBench的简介LiveBench的安装和使用方法LiveBench的案例应用LiveBench的简介2024年6月12日,LiveBench团队发布LiveBench基准,这是一个为LLMs设计的基准,考虑了测试集污染和客观评估。LiveBench具有以下特点:>> 为了限制潜在的污染,LiveBench每月发布新的问题,并基于最近发布原创 2024-06-14 02:01:13 · 1250 阅读 · 0 评论