在人工智能领域，液态神经网络是最关键的新兴模型之一。液态神经网络（LNN）是一种神经网络，它顺序处理数据并能够实时适应变化的数据，非常类似于人类大脑。本文介绍了如何用PyTorch实现液态神经网络。

ChatGPT强大的自然语言理解力和表达力，目前只表现在通用领域。一旦进入专业领域，ChatGPT经常“一本正经，胡说八道”。此时用特定领域的知识对模型进行微调是时间成本和经济成本最高的解决方案。

Lamini 致力于解决 LLM 驱动开发中最困难的挑战之一。该框架提供了一个简单且一致的编程模型来抽象跨不同 LLM 的微调过程。我们很可能会在不久的将来看到 Lamini 被纳入不同的 LLM 框架。

本文深入浅出地讲解了 Softmax 函数的原理和作用。

2月16日，OpenAI 博客发布最新文章"How should AI systems behave, and who should decide?"。文中OpenAI首次澄清了ChatGPT的行为是如何塑造的，以及进一步的改进计划。并且宣布未来会允许更多的用户定制，并在更多领域的决策中获得更多的公众投入。本文是对这篇博客的翻译，希望大家喜欢。

参考Yoon Kim的论文"Convolutional Neural Networks for Sentence Classification"，实现TextCNN卷积神经网络进行文本分类。

本文将向你介绍使用开源大语言模型需要了解的 10 个关键点。阅读完本文后，你将能够在庞大的 AI 世界中找到方向，了解你需要做什么，以及完成这些任务所需的工具。

Dropout 是神经网络的一种正则化技术，它在训练时以指定的概率 p（常见值为 p=0.5）丢弃一个单元（连同连接）。在测试时，所有单元都存在，但权重按 p 缩放（即变为 pw）。

点积（Dot Product）是机器学习中最常见的向量操作。本文将通过简洁易懂的语言配合大量图形为大家介绍点积运算及其背后的数学意义。

本文概述 AI 的发展历程，梳理出从早期神经网络模型到现代大型语言模型发展过程中的重要里程碑。