登录社区云，与社区用户共同成长
邀请您加入社区
大模型应用上线前，安全检查不应只看模型回答是否违规，而要覆盖语料来源、模型调用、输入输出内容、账号行为、日志审计和备案合规。更稳妥的做法是把安全能力前置到研发、测试、上线和运营链路中，用真实样本、攻击样本和业务样本验证准确率、召回率、误杀率、漏放率、延迟和处置策略。
事实性问题有明确、客观的答案（像历史事件发生时间、科学定理内容等 ），但 GPT - 4 本身基于训练数据生成输出，其训练数据可能存在过时、错误，或在处理事实性内容时，受模型推理逻辑等影响，难以精准判别答案是否完全符合客观事实，会导致对涉及事实类问题的 LLM 答案排序出现偏差，无法可靠区分事实性内容的对错优劣。这种评价方式有一定应用价值，但因事实性判断短板，使用时要结合场景，对于非事实性、侧重语
Llama 全称 large language model, Meta AI 公司2023年发布的开源AI大型语言模型，参数7B~65B。最新版本为Llama 3。
本文详细介绍了如何利用Nanobot和vLLM构建智能QQ聊天机器人。Nanobot作为超轻量级AI智能体（仅4000行代码），结合vLLM的高效推理能力，可实现快速响应和多功能对话。教程涵盖从环境准备（推荐16GB+显存GPU）、星图AI部署Qwen3-4B模型、QQ机器人注册，到Nanobot安装配置的全流程。最终实现的机器人支持本地部署、多轮对话和功能扩展，为个人AI助手提供实用解决方案。文
对齐（Alignment）是指让 AI 系统的行为符合人类意图和价值观的过程。对齐技术：RLHF、DPO 等让模型行为符合人类意图内容过滤：输入输出过滤防止有害内容隐私保护：差分隐私、数据脱敏保护用户隐私持续测试：Red Teaming 发现潜在漏洞作为 AI 开发者，我们有责任构建安全、可靠、可信赖的 AI 系统。
就是当代AI工程师的日常：*- 砸钱买算力，却卡在分布式训练的“隐形坑”里；- 跟着论文复现模型，结果连1/10的性能都达不到；- 好不容易上线应用，却因伦理问题被用户投诉……当所有人都在教你怎么调用API时，**《Python预训练视觉和大语言模型》** 选择了一条更硬核的路——**它不给你“速成的代码”，而是拆解AI模型的骨骼与血脉，让你真正掌控从预训练到落地的每一个齿轮。**
23年11月的论文“Large Language Models for Robotics: A Survey”。
你是否好奇过，为什么有时候 AI 的回答特别“稳”，有时候又充满创意？这背后的秘密，就藏在三个看似神秘的参数中：Temperature、Top-k 和 Top-p。让我们一起来揭开它们的面纱！
LLaMA-Mesh 是一个创新项目，旨在利用大型语言模型（LLM）的能力，实现文本描述到 3D 网格模型的统一生成。用户只需输入自然语言描述（例如，“Create a 3D model of a wooden hammer”），模型就能理解并生成对应的 3D 网格。它直接输出包含顶点坐标和面定义等数值信息的标准 OBJ 格式文件。
语言模型
——语言模型
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
MCP技术社区
DAMO开发者矩阵
