2023年以来，LLM 变成了相当炙手可热的话题，以 ChatGPT 为代表的 LLM 的出现，让人们看到了无限的可能性。ChatGPT能写作，能翻译，能创作诗歌和故事，甚至能一定程度上做一些高度专业化的工作，比如法律服务和医疗诊断咨询。然而，正如任何新技术一样，LLM 也带来了新的挑战和问题。我们如何确保它们的安全性，如何防止它们被用于不良目的？这些都是亟待解决的问题。

离线评估是在模型与人类互动之前，评定模型是否达到了一定性能标准的测试。这些测试通过向模型提出问题（有正确或错误的答案，而这些答案是人类所知道的）来衡量模型输出的延迟、准确性和上下文相关性。此外，还有一部分测试用于处理含糊不清的答案，称为增量评分。这种类型的离线评估允许你将模型输出评为部分正确（例如，80% 正确），而不是简单地判定为对或错。**定制大语言模型。**训练大语言模型意味着构建支架和神经

在当前信息时代，大型语言模型（Large Language Models，LLMs）的发展速度和影响力日益显著。大模型强大的推理以及生成能力成为了搭建智能体的最好的组件。本内容来源于Datawhale的开源的“生成大模型基础（so-large-lm）”，一个致力于探索和理解大型模型发展的前沿课程：https://github.com/datawhalechina/so-large-lm通过该开源课

这个系列的笔记，将作为我过去一年多来在大模型领域一线实战的经验总结，以及作为大模型面试官的经验汇总，希望可以帮到更多打算踏入大模型算法领域的同学。简要介绍一下自己的情况，8 年前通过自学入行人工智能，毕业加入阿里计算平台事业部，大规模机器学习系统，最近两年主要从事智能驾驶方向的大模型研究和实战。同时工作之余也做了一些算法教育相关的工作，辅导过一些学弟学妹。

大模型 Agent，作为一种人工智能体，是具备环境感知能力、自主理解、决策制定及执行行动能力的智能实体。简而言之，它是构建于大模型之上的计算机程序，能够模拟独立思考过程，灵活调用各类工具，逐步达成预设目标的智能存在。Agent 是 AI 大模型应用的主要新形态，在技术架构范式也发生了很大的变化，从面向过程的架构变成了面向目标架构。

随着大型语言模型（LLMs）和视觉-语言模型（VLMs）的出现，多个MAA系统已在从基础研究到应用的领域中被提出。虽然这些研究领域通过与每个领域的传统技术（例如，视觉问答和视觉-语言导航）的集成而迅速发展，但它们共有的兴趣包括数据收集、基准测试和伦理观点。在本文中，我们专注于MAA的一些代表性研究领域，即多模态性、游戏（VR/AR/MR）、机器人学和医疗保健，并旨在提供这些领域中讨论的共同关注点的

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】在过去的二十年里，生成和编辑照片的技术发生了迅速的变化。这一变化带来了视觉内容可以轻松创建和编辑的时代，留下了极少的感知痕迹。因此，人们逐渐意识到作者正站在一个真实图像与计算机生成图像难以区分的世界的边缘。最近生成模型的发展进一步推动了合成图像的质量和高保真度，使它们

在半年前，锅头只是从表面上浅浅地了解AI的到来，铺天盖地的AI资讯，还有各种贩卖AI焦虑的内容，自己也会产生焦虑。它能带来哪些效率提升？既然我已经花了这么多时间学习、收集、体验、整理、思考，那么是不是可以挑选出有价值的AI内容分享给和我一样有过AI焦虑、现在希望学习AI的人？在学习AI之前，咱们最好能简单了解AIGC的基础知识，对AIGC有初步认知，以便后续使用AI工具时能更好地了解它的应用场景。

今天给大家分享一下，从面试官的视角看，什么样的简历算一份优质的简历？以及如何快速把简历改好。为什么想讲这个呢？因为最近我也在集中面试嘛，看了 N 多份简历，大部分人的简历写的，就两个字，。首先简历不是向别人介绍你的过去，也不是工作学习总结。它是要体现你的核心竞争力，你和别人不一样的地方。所以很多人出发点就错了，把简历写成了。然后简历上最重要的就是项目嘛，项目编写的一个常见 badcase，就是记流

大模型发展实在是太快了，也太“卷”了，在ChatGPT发布大火之后，标志着人类开始已经进入大模型时代… 在这里时代了主要围绕大模型本身（参数，打榜）、多模态（视频、声音）、Agent（自动化）、提示词工程、RAG、微调等“生态”展开…转眼之间，这些东西已经“卷”了不知道多少轮了，随着荣耀CEO演示通过语音助手直接调用美团APP实现点咖啡的演示，到Claude 3.5 Sonnet-20241022