文章

CogVLM 在行业中的用例

CogVLM是一个大型多模态模型 LMM ，你可以向其询问有关图像和文本的问题。例如，假设你打算识别机场停机坪上的行李，这是一个潜在的安全隐患。你可以定期拍摄停机坪特定区域的照片，然后询问 CogVLM“停机坪上有行李吗？” 在本指南中，我们将讨论什么是 CogVLM，并介绍 CogVLM 在行业中的一些用例。我们将讨论如何使用 CogVLM 来实施机场安全

• 多模态
• AI安全

NExT-GPT 端到端通用大型多模态任意语言模型 (MM-LLM)

多模态大型语言模型可以通过语音、文本和视觉输入实现用户和人工智能系统之间更自然、直观的通信，从而增强人机交互。这可以在聊天机器人、虚拟助理和内容推荐系统等应用程序中带来更加上下文相关和全面的响应。它们建立在传统单峰语言模型（例如 GPT 3）的基础上，同时结合了处理不同类型数据的附加功能。 然而，多模态大型语言模型可能需要大量数据才能表现良好，这使得它们的样

• 多模态
• 语音AI
• 对话式AI

ImageBind开源融合六种数据的多感官 AI 模型

新的 ImageBind 模型结合了文本、音频、视觉、运动、热和深度数据。这只是一个研究项目，但却展示了未来的人工智能模型如何能够生成多感官内容。 https://jishuba.cn/wp content/uploads/2024/09/image 32 1024x565.png Meta 宣布了一种新的开源 AI 模型，该模型将多种数据流链接在一起，包括

基础模型的演变：从图像分类到多样化内容创作

基础模型是人工智能 AI 领域的一项革命性进步，有望改变我们与计算机和世界的互动方式。这些模型是通过对大量未标记数据进行自我监督学习而创建的，能够以惊人的准确度掌握模式和关系。它们在图像分类、自然语言处理和问答等任务中表现出色。 https://jishuba.cn/wp content/uploads/2024/09/image 29 1024x573.p

• 机器学习
• LLM

探索多模态大型语言模型：人工智能的一大进步

在人工智能这个充满活力的领域，多模态大型语言模型 MLLM 的出现正在彻底改变我们与技术的互动方式。这些尖端模型超越了传统的基于文本的界面，预示着一个新时代的到来，在这个新时代，人工智能可以理解和生成各种格式的内容，包括文本、图像、音频和视频。本文旨在揭开多模态 LLM 的复杂性，说明它们不仅改变了人工智能格局，而且还重新定义了人机交互的界限。我们将探索它们

• 多模态
• LLM

多模态大型语言模型 (LLM) 的工作原理

大型语言模型 LLM 已经展现出令人印象深刻的文本理解能力。但在很多情况下，我们希望 LLM 能够理解的不仅仅是文本。我们可能希望它们接收或生成多种模式的数据，如文本、图像和音频。具有此功能的 LLM 称为多模态 LLM，在本文中，我们将对视觉语言领域的三种多模态 LLM 进行概述。正如我们所见，这三种 LLM 都具有以下共同的组件： 仅有视觉的模型。 纯文

• 多模态
• LLM

人工智能在招聘中的应用：机遇与挑战

人工智能正在帮助招聘人员寻找候选人、研究职位并实现行政工作自动化，这让招聘行业正处于转型的风口浪尖。 https://jishuba.cn/wp content/uploads/2024/07/image 41 1024x547.png 一些专家表示，人工智能有潜力减少偏见，加速向基于技能的招聘转变，而另一些人则担心人工智能会忽视求职者并延续偏见。毕竟，人工

什么是AI代理？ChatGPT 是 AI 代理吗？

现代软件开发已经依赖于对用户输入做出反应的 AI 编码助手。尽管自主 AI 代理仍处于起步阶段，但它们有可能进一步彻底改变该领域。 https://jishuba.cn/wp content/uploads/2024/07/image 38 1024x644.png 什么是 AI 代理？ 人工智能代理是一个自主系统，它接收数据、做出合理决策并在其环境中采取行

• 智能体
• LLM

使用 ChatGPT 进行命名实体识别 (NER)

与其他 ChatGPT 不同，但在这里我们将尝试了解如何将promptify与 ChatGPT 等 LLM（大型语言模型）一起使用来执行命名实体识别（NER），以及这种方法如何比直接使用 ChatGPT 更为稳健。 什么是提示工程和提示 提示工程是一种自然语言处理 NLP 概念，涉及发现/创建产生理想或有用结果的输入。提示相当于告诉神灯里的精灵该做什么。在这

• 提示工程
• 生成式AI
• LLM

如何使用 Llama 3 构建本地 RAG 应用程序

通过利用 Llama 3 和 RAG 技术的功能，我们将创建一个应用程序，让用户能够与网页进行交互式对话，检索相关信息并生成对用户查询的准确响应。在本教程中，我们将逐步介绍设置开发环境、加载和处理网页数据、创建嵌入和向量存储以及实现 RAG 链以提供卓越用户体验的过程。 https://jishuba.cn/wp content/uploads/2024/0

• RAG
• 开发实践