-
GpuMall智算云：Code-Llama 语言模型
Code Llama 是一系列专注于代码相关任务的大型语言模型，它构建在 Llama 2 的基础上，在开放模型中提供了先进的性能，它在填充能力、支持大输入上下文以及零指导编程任务的能力方面表现出色。GpuMall智算云 | 省钱、好用、弹性。租GPU就上GpuMall,面向AI开发者的GPU云平台支持的模型种类如下：提示#autodl#恒源云#矩池云#算力云#恒源云 实例迁移#autodl 官网#
-
实例后台运行训练或任务
在正常情况下，使用命令 python train.py 运行机器学习的训练或推理任务时，该进程会挂载到系统的前台，这意味着如果您通过SSH连接到远程实例进行操作，一旦SSH连接因网络延迟或波动等原因中断，与SSH会话关联的前台进程（包括您的训练任务）也将被终止，这会导致您失去所有未保存的训练进度。
-
一键部署，玩转AI！天翼云Llama 3大模型学习机来了！
为了方便广大AI技术爱好者与从业者快速上手学习与使用大语言模型技术，天翼云基于开源的Meta-Llama-3-8B-Instruct模型以及text-generation-webui框架, 搭建了一键部署、开箱即用的云主机镜像。同时，天翼云CPU/GPU云主机近期即将上线Llama 3大模型学习机，期望能够成为帮助用户打开大模型领域之门的第一把钥匙，让更多用户从此了解大模型、学习使用大模型，并利用大模型创造更多可能。
-
PyTorch入门实战：CIFAR-10图像分类
本节将通过一个实战案例来详细介绍如何使用PyTorch进行深度学习模型的开发。我们将使用CIFAR-10图像数据集来训练一个卷积神经网络。神经网络训练的一般步骤如图5-3所示。图5-3（1）加载数据集，并做预处理。（2）预处理后的数据分为Feature和Label两部分，Feature 送到模型里面，Label被当作ground-truth。（3）Model接收Feature作为Input，并通过
-
如何将FMEA成果有效落实到整体研发过程中？
在产品研发的浩瀚海洋中，失效模式与影响分析（FMEA）如同一盏明灯，指引着工程师们避开潜在的设计陷阱，确保产品质量的稳固。然而，仅仅完成FMEA分析并不足以确保产品的成功，关键在于如何将FMEA的工作成果有效地落实到整体的研发过程中。本文将探讨如何实现这一目标，助力企业在激烈的市场竞争中占据优势地位。首先，我们需要明确FMEA工作成果的核心价值。FMEA通过识别和评估产品或过程中潜在的失效模式及其
-
ChatGLM大模型简介
ChatGLM系列是国产大语言模型中性能最好、回答准确率最高的大模型。如果有课题研究的需要，可以关注一下这个大模型。清华大学和智谱AI的第一代ChatGLM-6B在2023年3月份推出，开源模型推出之后不久就获得了很多的关注和使用。3个月后的2023年6月份，ChatGLM2发布，再次引起了业界广泛的关注。ChatGLM Logo如图1-2所示。  
-
CACTER AI实验室：AI大模型在邮件安全领域的应用
CACTER AI实验室将继续探索和应用AI大模型，更新迭代新型恶意邮件的检测能力，保持反垃圾品质稳步提升，保护用户的邮件安全。
-
浮点数的由来及运算解析
数学是自然科学的皇后，计算机的设计初衷是科学计算。计算机的最基本功能是需要存储整数、实数，及对整数和实数进行算术四则运算。但是在计算机从业者的眼中，我们知道的数学相关的基本数据类型通常是整型、浮点型、布尔型。整型又分为int8（用8位表示的整数）、uint8（用8位表示的无符号整数）、int16、uint16、int32、uint32，浮点型又分为float16（半精度，FP16）、float32
-
蚂蚁集团异常检测和归因诊断分析实践
分享嘉宾｜丁雷雷 蚂蚁集团算法专家 硕士毕业于北京邮电大学自动化学院，曾在阿里妈妈搜索直通车做广告算法。目前在蚂蚁机器智能部，从事异常检测、时序预测、归因分析、因果推断算法工作。 本文将分享异常检测与归因诊断在蚂蚁集团的实践。主要围绕归因诊断、异常检测、问题与挑战三个方面展开。
-
CACTER AI实验室获清华大模型商用授权
CACTER AI实验室在中文AI落地应用上的持续投入研发，印证了CACTER邮件安全为客户提供高品质解决方案的初心
-
深度解读丨火爆全球的AI文生视频大模型Sora
1.Sora概述Sora是OpenAI于2024年2月发布的“文本到视频”生成式人工智能（AI）模型。在视觉生成领域，Sora取得了技术上的突破。Sora模型独特之处在于，能够生成长达一分钟的符合用户文本指令的视频，同时保持较高的视觉质量和引人注目的视觉连贯性。与只能生成短视频片段的早期模型不同，Sora创作的一分钟长视频从第一帧到最后一帧都具有渐进感和视觉连贯性。*提示文本：一位时尚女性走在东京
-
【AAAI 2024】M2Doc：文档版面分析的可插拔多模态融合方法
M2Doc是一种创新的多模态融合方法，设计用于增强文档版面分析任务中的纯视觉目标检测器。该方法包括Early-Fusion和Late-Fusion模块，前者通过门控机制融合视觉和文本特征，后者则在框级别合并这两种特征。M2Doc易于集成到各种目标检测器，实验证明它能显著提升DocLayNet和M6Doc数据集上的性能，特别是与DINO结合时，在多个数据集上达到SOTA结果。此外，研究表明M2Doc对于增强复杂逻辑版面分析任务中的文本理解和语义关联特别有效。
-
【AAAI2024】M2SD：通过特征空间预构建策略重塑小样本类增量学习
小样本类增量学习代表了机器学习领域中一个高度挑战性的议题，其核心目标在于能够在仅有限的数据支持下识别新类别，同时保留对已学习类别的认知，而无须重新训练整个模型。这一目标在模型需适应新类别的同时使用有限训练数据的情况下尤为艰巨。针对上述挑战，我们提出了一种创新性策略，称为多重混合自蒸馏。旨在为类增量学习阶段准备一个具有高度可扩展性和包容性的特征空间。
-
如何在因果推断中更好地利用数据？
本报告从两个方面来介绍我们如何利用更多的数据来做好因果推断，一个是利用历史对照数据来显式缓解混淆偏差，另一个是多源数据融合下的因果推断。
-
Paper Digest | 在图上思考：基于知识图谱的深度且负责的大语言模型推理
为了解决这些限制，作者提出了 Think-on-Graph (ToG)，这是一个新颖的框架，它利用知识图谱来增强 LLM 的深度和负责任的推理能力。
-
Paper Digest | 突破个性化推荐数据稀疏性：长尾增强的图对比学习算法研究
本文提出了一种新的长尾增强的图对比学习方法（LAGCL），该方法促使模型同时兼顾头部节点与尾部节点之间的知识，并通过长尾增强技术来使模型产出更均匀更准确的节点表征，从而改进基于 GNN 的推荐任务。
-
告别浪费：车间员工的精益生产实战指南
精益生产培训在车间的应用通常会通过以下几个步骤进行实践：理论培训：首先，需要对车间的员工进行精益生产的基本理论培训，让他们理解精益生产的核心理念，比如价值流、流程优化、减少浪费、持续改进等。现场诊断：培训者或车间管理人员会对当前的生产流程做一个现场诊断，识别浪费所在，如过剩生产、等待时间、不必要的运输、过度加工、库存积压、动作浪费、产品缺陷等。工具应用：介绍并应用精益生产中的各种工具和方法，例如5
-
大模型+知识图谱双驱架构：新一代《知识语义框架SPG》白皮书
白皮书最后展望了SPG与LLM双向驱动的技术架构。通过基于SPG构建统一的图谱技术框架，可以屏蔽复杂的技术细节以支持新业务的快速部署，真正实现知识图谱技术的框架化、平民化、普惠化
-
Prompt Engineering 可能会是 2024 年最热门的“编程语言”？
“Prompt Engineering”是否已经过时？模型本身的能力是否已经足够，不再需要特意设计 prompt？ 我们今天为大家带来的文章，作者认为 Prompt Engineering 不会过时，相反随着模型能力的增强，编写高质量 prompt 的重要性也将继续增加。
-
【12月13日】下一站 GenAI @上海
承载着最前沿生成式 AI 技术之旅正式启程！我们将穿越多个中国的城市，所有的开发者都可以登车体验包括 Amazon PartyRock、Amazon Q、Amazon CodeWhisperer 等产品在内的丰富实践，并在旅程中与技术专家、开发者探讨AI的更多创新与未来的可能性。这是为中国的开发者专门打造的生成式 AI 之旅，汇聚今年亚马逊云科技的 re:Invent 2023 全新发布，诚挚邀请每一位构建者的加入。下一站 GenAI @ Let's 构！
