多模态模型的实现与发展 - 飞书文档
https://docs.feishu.cn/v/wiki/MoJxwYTLxitweakOM98cCNZqnzb/a7何泰然博士强调，遥操作技术可以有效地收集数据，为机器人的自主学习提供支持。OmniH2O-6 数据集的发布，包含六个日常任务，证明了机器人在复杂环境中的应用潜力。此外，何泰然 ...
飞搜侠
热门搜索
具身智能的模仿学习效果怎样？ - 飞书文档
https://docs.feishu.cn/v/wiki/GNWAwp9dsiuLzykYe9HcaHRwnXg/af... 数据驱动的技能层，上层是图文大模型层。 网址 ... 共有80 亿参数，是基于文本、图片、视频、机器人动作、传感器信息等多模态数据进行训练的any to any 序列模型.
RAG技术：优化大语言模型的有效途径 - 飞书文档
https://docs.feishu.cn/v/wiki/KIF8wcUgGi1WKekxOYKcW32Snqd/a2事实的准确性至关重要，应尽可能验证每项数据。在保持上下文方面，通过添加 ... 但这种方法也有其不足之处，如需要大量预训练数据、更多的训练资源，以及更新速度较慢。
报告：GPT-4 通用人工智能的火花
https://waytoagi.feishu.cn/wiki/KUOaw7Kxoi6u3JkDtTjczY2CnLf?from=lark_search_qa&ccm_open_type=lark_search_qaLLMs）在 · 自然语言处理方面的进步。 · 神经网络模型在海量网络文本数据上进行训练，其 · 核心自我监督目标是预测部分句子中的下一个单词。 · OpenAI 开发的新 · LLM 的证据，它是 ...
免训练大模型知识编辑，提升效率新方法 - 飞书文档
https://docs.feishu.cn/v/wiki/IyCyw08nLiDp2Ck4zGpcEwbQnig/a52024年11月9日 ... 开源要求与重建可行性：OSAID要求AI模型必须披露足够的设计信息，使个人能够“实质性地”重建模型。具体包括训练数据的来源、数据处理方式，以及数据的获取与 ...
QLoRA的不足之处与注意事项 - 飞书文档
https://docs.feishu.cn/v/wiki/MnZJwcuU9i6cUzk2LBmcG2mFnMb/a82023年6月7日 ... 大型语言模型（LLM）的发展日新月异，是近年来自然语言处理（NLP）领域的热门话题，LLM可以通过大规模的无监督预训练来学习丰富的语言知识，并通过微调来适应不同 ...
《我国首例“AI文生图”著作权案一审生效，有何启示？》 - 飞书文档
https://docs.feishu.cn/v/wiki/Gn5owxyuWi8SS7kS9MdcAPgmn3e/ai据介绍，该模型融合AI 算法和教育数据，是一款覆盖多学科、多学段、多场景的教育大模型。数据显示，银河大模型在C-Eval、CMMLU 两大权威大语言模型评测榜均居榜首 ...
AI Infra创业经验分享：袁进辉讲述得与失 - 飞书文档
https://docs.feishu.cn/v/wiki/UoC9w1vNmirXiskUnpccEBsHnfe/a1上周期的有效性：实验表明，在相同的计算资源下，上周期模型相比继续训练稠密模型有显著优势。在处理1万亿tokens的数据上，经过上周期的模型在MMLU基准测试中达到了67.6%的准确 ...
4.5 历史更新 - 飞书文档
https://docs.feishu.cn/article/wiki/FjiOwWp2giA7hRk6jjfcPioCnAc内附Claude Code邪修教程》歸藏深夜分享Kimi K2模型及“CC + K2邪修教程”，绝对不容错过！Kimi新推出的K2模型，参数量高达1T且开源，在基准测试中表现亮眼。歸藏实测其前端能力， ...
如何基于Ray构建复杂数据处理链路？ - 飞书文档
https://docs.feishu.cn/v/wiki/JTciw6K6ai2hFukZO1rcI6VdnNA/apMamba在语言、音频、基因组学等多种模态中达到SOTA水平，并在语言建模中表现优于同规模Transformer模型。该模型的硬件感知算法将SSM与Transformer的MLP块融合，形成同质架构， ...