随着计算资源的廉价和语料知识资源的积累，知识图谱在各大企业逐步开始尝试使用。本文结合王昊奋和漆桂林老师的知识图谱课件以及复旦知识工厂课件，尝试对知识图谱做个综述。目录知识图谱与语义技术概述语义网典型知识库项目简介cyc：常识库Wordnet：词性消歧词库conceptnet：常识知识库freebase：Wikidata：Dbpedia：Yago：Babe...

那么有没可能同时保持模型泛化力有模块化增量增加其他能力，不影响其它能力。我提出的想法是用某块组合方式来实现：1.pretrain保持泛化性2.把pretrain模型参数用更小可控参数矩阵层转换控制3.在可控参数矩阵层之上增加adapter层，这样相当于是pretrain是一个很复杂通用机器，通过控制矩阵引出基础控制算子，然后在通过adapter层作为控制算子编程层，用ssft数据任务调教控制编程层

visual chat将会是多模态大模型一个过渡态，Gpt4以及他的后代一定会用集成电路的模式取代这个分立元器件组成的通用多模态模式。但是它的很多思路是值得我们学习的。

这篇文章把学术语音小助手几个模块部分实现细节代码完善。完整项目代码放在github中https://github.com/liangwq/Chatglm_lora_multi-gpu，感兴趣同学可以下载下来自己运行下。目前代码已经把所有功能都实现了，但是还没有整合成一个一键运行的项目，这块后续会逐步完善。项目还有很多优化提高地方，比如：1.如何提高长文本摘要生成准确性和生成速度2.如何提高语音合成

1.把DDIM模型做了实现层面的介绍2.把具体实现代码和推导细节对应3.代码学习是为了后面sd模型打基础4.甚至是为了后续改模型架构，增加更多特征信息作铺垫

visual chat将会是多模态大模型一个过渡态，Gpt4以及他的后代一定会用集成电路的模式取代这个分立元器件组成的通用多模态模式。但是它的很多思路是值得我们学习的。

visual chat将会是多模态大模型一个过渡态，Gpt4以及他的后代一定会用集成电路的模式取代这个分立元器件组成的通用多模态模式。但是它的很多思路是值得我们学习的。

AI在生物蛋白质合成中应用

1.从现在视觉模型，结合chatgopt的能力发现现在视模型，缺少一个和chatgpt类似的通用大模型2.现在的视觉生成模型框架有望把各种视觉能力汇总到一个框架，发展出类似chatgpt的通用大模型3.展望了通用视觉通用大模型需要具备什么能力4.展望如何通过生成视觉模型框架来统一各种能力，数据和任务搞如何设置5.对现在通用大模型能力，特别是有状态的增删改能力做了些论文小结个人预测真正有通用能力的视

那么有没可能同时保持模型泛化力有模块化增量增加其他能力，不影响其它能力。我提出的想法是用某块组合方式来实现：1.pretrain保持泛化性2.把pretrain模型参数用更小可控参数矩阵层转换控制3.在可控参数矩阵层之上增加adapter层，这样相当于是pretrain是一个很复杂通用机器，通过控制矩阵引出基础控制算子，然后在通过adapter层作为控制算子编程层，用ssft数据任务调教控制编程层