文章
-
從CPU到GPU:渲染技術(shù)的演進和趨勢2025-02-21 11:11
-
AI的“隨機性”挑戰(zhàn):它們比人類更“不隨機”?2025-02-20 13:11
-
大模型領(lǐng)域常用名詞解釋(近100個)2025-02-19 11:49
本文總結(jié)了大模型領(lǐng)域常用的近100個名詞解釋,并按照模型架構(gòu)與基礎(chǔ)概念,訓(xùn)練方法與技術(shù),模型優(yōu)化與壓縮,推理與應(yīng)用,計算與性能優(yōu)化,數(shù)據(jù)與標(biāo)簽,模型評估與調(diào)試,特征與數(shù)據(jù)處理,倫理與公平性、其他的分類進行了整理,以下供參考:模型架構(gòu)與基礎(chǔ)概念大語言模型(LLM,LargeLanguageModel):一種基于深度學(xué)習(xí)的大規(guī)模神經(jīng)網(wǎng)絡(luò)模型,通常采用Transf -
大語言模型的解碼策略與關(guān)鍵優(yōu)化總結(jié)2025-02-18 12:00
-
智算中心的核心硬件是什么?2025-02-17 14:42
-
清華大學(xué)發(fā)布:DeepSeek從入門到精通2025-02-14 09:49
-
人工智能大模型年度發(fā)展趨勢報告2025-02-13 10:57
-
小白學(xué)解釋性AI:從機器學(xué)習(xí)到大模型2025-02-10 12:12
科學(xué)AI需要可解釋性人工智能的崛起,尤其是深度學(xué)習(xí)的發(fā)展,在眾多領(lǐng)域帶來了令人矚目的進步。然而,伴隨這些進步而來的是一個關(guān)鍵問題——“黑箱”問題。許多人工智能模型,特別是復(fù)雜的模型,如神經(jīng)網(wǎng) -
AR和VR中的計算機視覺2025-02-08 14:29
-
GPU 性能原理拆解2025-02-08 14:29