- 2024-11-21常见大模型——chatlm系列
ChatGLM背景主流的预训练框架主要有三种：1、AutoRegressive自回归模型（AR模型）：代表GPT。本质上是一个Left-to-Right的语言模型。通常用于生成式任务，在长文本生成方面取得了巨大的成功。当扩展到十亿级别参数时，变现出了少样本学习能力。缺点是单向注意力机制，在NLU任务中，无法
- 2024-11-21为什么提示此页面仅包含一个图像。要运行文本识别以将本页面上的文本转换为可访问文 本吗
以下为智能查询到的答案：当您看到提示“此页面仅包含一个图像。要运行文本识别以将本页面上的文本转换为可访问文本吗？”这通常意味着以下几种情况：图像式PDF：您打开的PDF文件中的页面是以图像格式（如JPEG、PNG等）保存的，而不是以矢量文本格式。这意味着页面上的内容对于阅读器来说看
- 2024-11-21从零开始学机器学习——入门NLP
首先给大家介绍一个很好用的学习地址：https://cloudstudio.net/columns今天我们将深入探讨自然语言处理（NaturalLanguageProcessing,NLP）这一领域。自然语言处理是人工智能的一个重要子领域，主要关注如何使机器理解和处理人类的语言，从而能够执行诸如拼写检查、机器翻译等多种任务
- 2024-11-21搭建个人知识库 | 手把手教你本地部署大模型
一、引言今天给大家分享的是手把手教你如何部署本地大模型以及搭建个人知识库读完本文，你会学习到如何使用Ollama一键部署本地大模型通过搭建本地的聊天工具，了解ChatGPT的信息是如何流转的RAG的概念以及所用到的一些核心技术如何通过AnythingLLM这款软件搭建完全本
- 2024-11-21LLM2CLIP：使用大语言模型提升CLIP的文本处理，提高长文本理解和跨语言能力
在人工智能迅速发展的今天，多模态系统正成为推动视觉语言任务前沿发展的关键。CLIP（对比语言-图像预训练）作为其中的典范，通过将文本和视觉表示对齐到共享的特征空间，为图像-文本检索、分类和分割等任务带来了革命性突破。然而其文本编码器的局限性使其在处理复杂长文本和多语言任务时
- 2024-11-20信任的大型语言模型：通过知识库和双解码器定制和基于事实的文本生成
在人工智能的世界中，大型语言模型（LLMs）的表现如同一位天才演员，尽管它们在内容生成方面技艺非凡，却常常因生成内容的领域限制而“演过了头”。就像《哈利·波特》中的榴莲糖，味道总是让人意外。为了让这些模型“脚踏实地”，我们需要确保其生成的内容基于一个经过验证的背景。这就
- 2024-11-20解锁AI文本生成奥秘：Greedy、Beam、Top-k、Top-p与温度控制策略全揭秘
InferenceStrategy（推理策略）推理策略（InferenceStrategy）是指在生成模型（如Transformer、GPT等）进行文本生成或预测时，决定每一步选择的输出（Token）的方法。不同的推理策略对生成的结果有着显著影响，主要体现在输出的质量、多样性、生成速度等方面。以下将深入探讨常见的推理策
- 2024-11-20【拥抱AI】大模型文本质量的高级评估方法详解
在文本生成任务中，高级评估方法旨在更深入地评估生成文本的质量，不仅仅是基于表面的相似度指标，而是从语义、语法、情感等多个维度进行全面评估。以下是一些常用的高级评估方法及其详细讲解。1.语义相似度评估1.1BERT和Sentence-BERT背景：BERT（BidirectionalEncoderRepr
- 2024-11-19学习日记之html
声明学习视频来自B站UP主泷羽sec,如涉及侵权马上删除文章笔记的只是方便各位师傅学习知识,以下网站只涉及学习内容,其他的都与本人无关,切莫逾越法律红线,否则后果自负HTML基础1.html简介HTML是用来描述网页的一种语言HTML指的是超文本标记语言：HyperTextMarkupLanguage
- 2024-11-19前端技术对css属性的学习
css属性目录css属性文本字体背景文本属性说明CSScolor设置文本的颜色1direction规定文本的方向/书写方向2letter-spacing设置字符间距1line-height设置行高1text-align规定文本的水平对齐方式1text-decoration规定添加到文本的装饰效果
- 2024-11-19CLIP图像识别算法详解
CLIP图像识别算法详解目录引言CLIP算法概述2.1基于Transformer架构2.2多模态预训练模型2.3跨模态表示学习工作原理3.1维度嵌入：文本与图像编码3.2对比性学习3.3输入两个相关/不相关的文本和图片对3.4计算它们之间的相似度预训练阶段4.1使用大量数据
- 2024-11-19late chunking 源码分析-https://github.com/jina-ai/late-chunking
importbisectimportloggingfromtypingimportDict,List,Optional,Tuple,Unionfromllama_index.core.node_parserimportSemanticSplitterNodeParserfromllama_index.core.schemaimportDocumentfromllama_index.embeddings.huggingfaceimportHugging
- 2024-11-19使用Pytorch构建视觉语言模型（VLM）
视觉语言模型（VisionLanguageModel，VLM）正在改变计算机对视觉和文本信息的理解与交互方式。本文将介绍VLM的核心组件和实现细节，可以让你全面掌握这项前沿技术。我们的目标是理解并实现能够通过指令微调来执行有用任务的视觉语言模型。总体架构VLM的总体架构包括：图像编码器（I
- 2024-11-18HTML 入门必知：详细解读基础知识，开启网页开发之旅
HTML入门必知：详细解读基础知识，开启网页开发之旅什么是HTML一、HTML的环境怎么设置二、HTML基本知识1.HTML结构讲解2.HTML基础知识（1）.排版标签【1】.h1~h6【2】.p标签【3】.div标签（2）.语义化标签（3）.块级元素与行内元素【1】块级元素【2】行内元素（4）.常用的文本标签（5）.不
- 2024-11-18清华姚班校友马腾宇，发布了他的首个多模态嵌入模型：「多模态检索」实现SOTA
清华姚班校友马腾宇和他的团队，推出了自创业以来的首个多模态嵌入模型voyage-multimodal-3，而且发布即“SOTA”。据介绍，在对3个多模态检索任务（共20个数据集）进行评估时，voyage-multimodal-3比第二名平均高出了19.63%的检索准确率。这是为包含丰富视觉和文本的文档提供
- 2024-11-17Linux常用命令之echo命令详解
echo命令详解echo是一个常用的shell内置命令，用于在终端或脚本中输出文本或变量内容。echo命令的基本功能是将指定的字符串或变量值输出到标准输出（通常是终端）。它在脚本编程和日常系统管理中非常有用。基本语法echo[选项][字符串...]常用选项-n：不输出结尾的换
- 2024-11-17RAG 系统高效检索提升秘籍：如何精准选择 BGE 智源、GTE 阿里与 Jina 等的嵌入与精排模型的完美搭配
RAG系统高效检索提升秘籍：如何精准选择BGE智源、GTE阿里与Jina等的嵌入与精排模型的完美搭配TextEmbedding榜单：MTEB、C-MTEB《MTEB:MassiveTextEmbeddingBenchmark(海量文本嵌入基准)》判断哪些文本嵌入模型效果较好，通常需要一个评估指标来进行比较，《MTEB:Massive
- 2024-11-17高效优化 AI 文本——推荐一个好用的免费工具：BEXI.ai
摘要：BEXI.ai是一款免费且简单好用的工具，能快速将AI生成的文本优化为更自然流畅的内容，适合内容创作者、营销人员等需要高效提升文本质量的人群。作为一名内容创作者，我最近发现了一款非常实用的AI文本优化工具——BEXI.ai。它的功能非常直观，无需复杂操作即可将冷冰冰的AI生
- 2024-11-17canvas绘制文本
练习一下canvas对文本的基本应用<!DOCTYPEhtml><htmllang="en"><head><metacharset="UTF-8"><title>Title</title></head><body><div><labelfor="name">
- 2024-11-172024闽盾杯
2024闽盾杯签到题-学会SM解题思路、相关代码和Flag截图：根据题目可以看出是SM3加密https://btool.cn/file-sm3#google_vignette去这个网站解一个Logo用Stegsolve查看Lsb隐写，这个地方藏了信息，查看得到flag。学会Office然后根据计算机的成绩排序最后再宏解密得到flagflag{jisuanjiche
- 2024-11-16AIGC中的文本风格迁移：基于深度学习的实现
引言文本风格迁移是自然语言处理领域的一个重要研究方向，它可以将文本从一种风格转换为另一种风格，同时保留其原有的内容。随着深度学习技术的发展，文本风格迁移的方法变得越来越先进和高效。本文将探讨基于序列到序列模型（Seq2Seq）的文本风格迁移技术，并提供基于PyTorch的代码示例
- 2024-11-16RealCustom：缩小真实文本词的范围，实现实时开放域文本到图像的定制
RealCustom：缩小真实文本词的范围，实现实时开放域文本到图像的定制文本到图像定制旨在为给定的主题合成文本驱动的图像，最近彻底改变了内容创作。现有的作品遵循伪词范式，即将给定的主题表示为伪词，然后将其与给定的文本组合在一起。然而，伪词与给定文本固有的纠缠扩散范围导致了双重
- 2024-11-15多模态大模型（2）--BLIP
大模型如火如荼，研究者们已经不再满足于基本文本的大语言模型（LLM,LargeLanguageModel），AI领域的热点正逐步向多模态转移，具备多模态能力的多模态大型语言模型（MM（Multi-Modal）-LLM）就成了一个备受关注的研究主题。BLIP（BootstrappingLanguage-ImagePretraining）是由Salesforce在2
- 2024-11-15CSS入门（主要讲解选择器，CSS的创建，背景，文本）
一.理解id和class选择器id选择器CSS中id选择器以"#"来定义。以下的样式规则应用于元素属性id="para1":#para1{text-align:center;color:red;}注意：ID属性不要以数字开头，数字开头的ID在Mozilla/Firefox浏览器中不起作用。class选择器class选择器在
- 2024-11-15使用 Janet 实现简单的文字识别
文字识别（OCR）是将图像中的文本转化为计算机可读文本的技术。Janet是一种轻量级的嵌入式脚本语言，适用于各种任务，从数据处理到简单的文本识别任务。本文将介绍如何在Janet中编写一个简单的文字识别程序。代码实现在Janet中，文字识别的实现需要借助图像处理库。虽然Janet没有