weixin_41259045的博客

本文利用实战案例手把手教你如何使用ChatGPT的Code interpreter进行数据分析，并对现阶段Code interpreter的优劣势进行了总结

ChatGLM2-6B 是开源中英双语对话模型 ChatGLM-6B 的第二代版本，在保留了初代模型对话流畅、部署门槛较低等众多优秀特性的基础之上，ChatGLM2-6B 引入了如下新特性：更长的上下文：上下文长度由 ChatGLM-6B 的 2K 扩展到了 32K，并在对话阶段使用 8K 的上下文长度训练，允许更多轮次的对话。多轮对话后出现复读和遗忘的情况明显减少。更节约显存与内存：INT4 量化下，6G 显存支持的对话长度由 1K 提升到了 8K。更高的性能：在官方的模型实现下，推理速度相比初

分享一点自己本地安装部署运行 ChatGLM-6B 的过程中的心得和二次优化开发吧。主要是比如怎么防止GPU运行时爆显存，GPU运行时减少显存占用，一些常见的报错应该怎么解决，推理参数的调整方案，怎么开启局域网访问，怎么给网页加上HTTPS。

今天介绍的ChatGLM-6B 是一个清华开源的、支持中英双语的对话语言模型，基于GLM架构，具有62亿参数。关键的是结合模型量化技术，ChatGLM-6B可以本地安装部署运行在消费级的显卡上做模型的推理和训练（全量仅需14GB显存，INT4 量化级别下最低只需 6GB 显存）虽然智商比不过 openAI 的 ChatGPT 模型，但是ChatGLM-6B 是个在部署后可以完全本地运行，可以自己随意调参，几乎没有任何审查限制，也几乎没有对话轮数限制的模型。

最新多模态模型MiniGPT-4 开源：它使用先进的大型语言模型 (LLM)--Vicuna（其中 Vicuna 是基于 LLaMA 构建的）进行调优，在文本语言方面可以达到 ChatGPT 能力的90%。在视觉感知方面，作者采用了与BLIP-2相同的预训练视觉组件，其中该组件由EVA-CLIP的ViT-G/14和Q-Former组成。MiniGPT-4 只添加了一个映射层，将编码的视觉特征与Vicuna语言模型对齐，冻结了所有视觉和语言组件参数。

最近 ChatGPT 在国内刮起了一阵狂风，而且一直保持很高的热度，到处都弥漫着割韭菜的味道。希望这篇文章能对技术小白有所帮助，而不是盲目被忽悠。很多人都不知道 ChatGPT 是什么，但谈起它来却是滔滔不绝（盲目只会带来盲从）。从去年底，ChatGPT 在国内的技术圈就掀起过一波巨浪，很多人都在谈论它是否将会取代程序员，它既能写代码，改 BUG，还能吟诗作曲。乍一看，那就是无所不能的存在。

本文介绍了OpenAI相关介绍，包括其发展历程和相关名词解释，将使你彻底了解OpenAI

近日，不管你是普通账号还是plus账号，都会面临被封的风险，大家不要慌，要是你的号也被封了，下面紧急启动了一个解封攻略，帮助大家快速解封

人们一直在探讨AI下一步的发展方向是什么，特别是在ChatGPT引爆科技领域之后。许多学者认为，多模态技术将成为未来AI发展的重要方向。不出所料，在等待的时间不会太久。今天凌晨，OpenAI宣布发布了多模态预训练大模型GPT-4。