


Pusat Inovasi Kecerdasan Buatan Chongqing berjaya mengeram penyelesaian model berskala besar yang pertama
Baru-baru ini, Pusat Inovasi Kecerdasan Buatan Chongqing berjaya mengeram penyelesaian model besar pertama Yuncong Technology, yang dipanggil "Latihan Model Besar Congrong dan Mesin Bersepadu Menolak", dan telah berjaya digunakan. Sebagai salah satu penyedia perkhidmatan awan terawal di China yang menggunakan model besar, Huawei bukan sahaja komited untuk memperdalam kuasa pengkomputerannya dan membina infrastruktur pengkomputeran yang berkuasa untuk menyokong pembangunan industri kecerdasan buatan China, tetapi juga memfokuskan pada model dan industri besar umum model besar untuk benar-benar Mencapai penyediaan perkhidmatan kecerdasan buatan berkualiti tinggi untuk beribu-ribu industri dan penyelidikan saintifik
Melalui usaha bersama pasukan teknikal Pusat Inovasi Kecerdasan Buatan Chongqing, pakar R&D Shengteng dan Institut Penyelidikan Kepintaran Buatan Teknologi Yuncong, penjajaran ketepatan dan prestasi, penyepaduan produk dan ujian "Latihan Model Besar Tenang dan Mendorong All-in-one Mesin" berjaya disiapkan dalam masa satu bulan Menunggu kerja, ini menjadi penyelesaian model berskala besar pertama yang diinkubasi oleh Pusat Inovasi Kepintaran Buatan Chongqing
"Latihan Model Besar Tenang dan Mesin Push All-in-one" adalah berdasarkan platform perisian dan perkakasan Ascend AI, termasuk pelayan Ascend AI, seni bina pengkomputeran heterogen CANN dan rangka kerja AI senario penuh Shengsi MindSpore Ia juga serasi dengan PyTorch, dengan satu mesin dengan kuasa pengkomputeran 2.5 PFLOPS FP16 dan prestasi latihan Lebih 8,000 token/s, menyokong penggunaan rangkaian berbilang mesin dan penggunaan penswastaan perusahaan, memenuhi keperluan keselamatan maklumat yang data tidak meninggalkan kilang.
Platform pengeluaran model besar Congrong yang dibangunkan secara bebas oleh Yuncong Technology mempunyai platform pengeluaran model besar Congrong terbina dalam yang dibangunkan secara bebas oleh Yuncong Technology, yang menyokong perusahaan untuk mencipta model besar industri eksklusif untuk mencapai peningkatan kecekapan 5 kali ganda. Spesifikasi parameter model pilihan termasuk berbilion, berpuluh bilion dan ratusan bilion Digabungkan dengan kelebihan visual tradisional Yuncong, ia menyediakan tiga jenis model asas: bahasa, penglihatan dan berbilang modal. Dengan menggunakan industri swasta syarikat dan data berasaskan senario untuk melaksanakan pembelajaran pengukuhan dan penalaan halus model (seperti SFT, RM dan PPO), pengetahuan dan teknologi pakar disuntik ke dalam model asas untuk menjadikannya pintar dan tepat dalam bidang kebimbangan kepada syarikat, dengan itu mewujudkan model industri yang besar dan meningkatkan kecekapan senario perniagaan perusahaan dan daya saing produk. Di bawah syarat bahawa parameter dan lengkung kerugian menumpu dan menjajar, prestasi latihan model berdasarkan Ascend dan Ascend MindSpore melebihi purata industri sebanyak 1.6 kali, dan keputusan soal jawab inferens adalah lebih baik
Shengteng AI bekerjasama dengan industri untuk membina sistem pemboleh model besar proses penuh dan bersama-sama membina ekosistem model besar China. Sistem ini telah berjaya mengeram dan menyesuaikan lebih daripada 30 model arus perdana utama, dan menubuhkan sebuah konsortium perindustrian dalam bidang penderiaan jauh dan pelbagai mod. Pada masa ini, lebih daripada 80 institusi penyelidikan saintifik dan perusahaan telah menyertainya, bersama-sama mengeram lebih daripada 100 aplikasi industri baharu
Shengteng AI akan bekerjasama dengan Yuncong Technology untuk membina platform perisian dan perkakasan asas, mempromosikan peranan teknologi AI dalam industri ciri bandar Chongqing, dan mencipta kes aplikasi dengan kesan demonstrasi untuk menyediakan penambahbaikan menyeluruh untuk pelbagai industri dan membantu perusahaan Mencapai tahap tinggi yang berterusan. pembangunan berkualiti
Ma Liang keluarkan berita huluan
Maaf, maklumat yang anda berikan tidak mencukupi untuk menulis semula. Sila berikan ayat asal yang perlu ditulis semula
Editor: Yang Xinhua bertanggungjawab untuk menulis
Ulasan: Ulas Zhao Lei
Atas ialah kandungan terperinci Pusat Inovasi Kecerdasan Buatan Chongqing berjaya mengeram penyelesaian model berskala besar yang pertama. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Pada 30 Mei, Tencent mengumumkan peningkatan menyeluruh model Hunyuannya Apl "Tencent Yuanbao" berdasarkan model Hunyuan telah dilancarkan secara rasmi dan boleh dimuat turun dari kedai aplikasi Apple dan Android. Berbanding dengan versi applet Hunyuan dalam peringkat ujian sebelumnya, Tencent Yuanbao menyediakan keupayaan teras seperti carian AI, ringkasan AI, dan penulisan AI untuk senario kecekapan kerja untuk senario kehidupan harian, permainan Yuanbao juga lebih kaya dan menyediakan pelbagai ciri , dan kaedah permainan baharu seperti mencipta ejen peribadi ditambah. "Tencent tidak akan berusaha untuk menjadi yang pertama membuat model besar, Liu Yuhong, naib presiden Tencent Cloud dan orang yang bertanggungjawab bagi model besar Tencent Hunyuan, berkata: "Pada tahun lalu, kami terus mempromosikan keupayaan untuk Model besar Tencent Hunyuan Dalam teknologi Poland yang kaya dan besar dalam senario perniagaan sambil mendapatkan cerapan tentang keperluan sebenar pengguna

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

1. Latar Belakang Pengenalan Pertama, mari kita perkenalkan sejarah pembangunan Teknologi Yunwen. Syarikat Teknologi Yunwen...2023 ialah tempoh apabila model besar berleluasa Banyak syarikat percaya bahawa kepentingan graf telah dikurangkan dengan ketara selepas model besar, dan sistem maklumat pratetap yang dikaji sebelum ini tidak lagi penting. Walau bagaimanapun, dengan promosi RAG dan kelaziman tadbir urus data, kami mendapati bahawa tadbir urus data yang lebih cekap dan data berkualiti tinggi adalah prasyarat penting untuk meningkatkan keberkesanan model besar yang diswastakan Oleh itu, semakin banyak syarikat mula memberi perhatian kepada kandungan berkaitan pembinaan pengetahuan. Ini juga menggalakkan pembinaan dan pemprosesan pengetahuan ke peringkat yang lebih tinggi, di mana terdapat banyak teknik dan kaedah yang boleh diterokai. Dapat dilihat bahawa kemunculan teknologi baru tidak mengalahkan semua teknologi lama, tetapi mungkin juga mengintegrasikan teknologi baru dan lama.

Menurut berita pada 13 Jun, menurut akaun awam “Volcano Engine” Byte, pembantu kecerdasan buatan Xiaomi “Xiao Ai” telah mencapai kerjasama dengan Volcano Engine Kedua-dua pihak akan mencapai pengalaman interaktif AI yang lebih pintar berdasarkan model besar beanbao . Dilaporkan bahawa model beanbao berskala besar yang dicipta oleh ByteDance boleh memproses sehingga 120 bilion token teks dengan cekap dan menjana 30 juta keping kandungan setiap hari. Xiaomi menggunakan model besar Doubao untuk meningkatkan keupayaan pembelajaran dan penaakulan modelnya sendiri dan mencipta "Xiao Ai Classmate", yang bukan sahaja memahami keperluan pengguna dengan lebih tepat, tetapi juga menyediakan kelajuan tindak balas yang lebih pantas dan perkhidmatan kandungan yang lebih komprehensif. Contohnya, apabila pengguna bertanya tentang konsep saintifik yang kompleks, &ldq

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka
