AIDotNet API 是一款强大的人工智能模型管理系统，其主要目的是为了实现多种AI模型的统一管理和使用。通过AIDotNet API，用户可以轻松地管理和使用众多AI模型，而且AIDotNet API兼容OpenAI的接口格式，使得使用更加方便。
分享一个轻量的小工具，10MB 左右，能够帮助你直观的了解大模型 Token 的计算方法。
明敏 Alex 发自 凹非寺 量子位 | 公众号 QbitAI AI生成文本，又遇新对手！ 凭借识别AI生成文本中的“水印”，一种新算法能够准确判断文本到底是谁写的。 无需访问模型参数、API，结果置信度高达99.999999999994%。 方法一经发布就引来大量网友围观。这回拿ChatGPT“作弊”，怕不是要更难了？ 要知道，最近一段时间，ChatGPT先是成为美国高中生的写作业利器，后面帮专业媒体写稿子，引发巨大恐慌。如Nature、纽约教育部等，都针对ChatGPT发布禁令。 马里兰大学学者们提出
而且这不是偶然bug，网友们发现ChatGPT确实无法完成这个任务，我们亲测结果也同样如此。
Kong Gateway 3.7 版本已经重磅上线，我们给 AI Gateway 带来了一系列升级，下面是 AI Gateway 的更新亮点一览。
在大型语言模型（LLM）的世界中，处理多轮对话一直是一个挑战。前不久麻省理工Guangxuan Xiao 等人推出的 StreamingLLM，能够在不牺牲推理速度和生成效果的前提下，可实现多轮对话总共 400 万个 token的流式输入，22.2 倍的推理速度提升。
机器之心报道 机器之心编辑部 你不能这样对比啊。 今年 7 月初，Meta AI 发布了一个新的翻译模型，名为 No Language Left behind (NLLB)，我们可以将其直译为「一个语言都不能少」。 顾名思义，NLLB 可以支持 200 + 语言之间任意互译，Meta AI 还把它开源了。平时你都没见到的语言如卢干达语、乌尔都语等它都能翻译。 论文地址：https://research.facebook.com/publications/no-language-left-behind/ 开
多模态 AI 系统的特点在于能够处理和学习包括自然语言、视觉、音频等各种类型的数据，从而指导其行为决策。近期，将视觉数据纳入大型语言模型 (如 GPT-4V) 的研究取得了重要进展，但如何有效地将图像信息转化为 AI 系统的可执行动作仍面临挑战。
在大型语言模型（LLM）的世界中，处理多轮对话一直是一个挑战。前不久麻省理工Guangxuan Xiao等人推出的StreamingLLM，能够在不牺牲推理速度和生成效果的前提下，可实现多轮对话总共400万个token的流式输入，22.2倍的推理速度提升。
我们需要找到AI的知识能力是有限的他们的知识都截止于他们训练数据的时间，你提问他们更新的数据的时候他们就会出现乱回复。而知识库则是利用Prompt给于AI更多的知识从而让他回复更准确，
StreamingLLM可以在不牺牲生成效果、推理速度的前提下，实现多轮对话共400万个token，22.2倍推理速度提升。
在AI的世界里，"token"就像是把我们说的话或写的文字拆分成的小块块，每块可以是一个词、一个短语、一个标点，甚至一个字母。不同的AI系统可能有不同的拆分方法。
采用领先国际的流式端到端语音语言一体化建模方法，融合百度自然语言处理技术，近场中文普通话识别准确率达98%
OCI（Oracle Cloud Infrastructure）提供的Generative AI Service是完全管理的服务，提供一组可定制的LLM、用户可以通过一个API构建生成式AI应用程序。用户可以选择来自Meta和Cohere的预训练基础模型，通过微调等方式创建自己的数据集，并将其托管在专用的GPU AI集群。Generative AI Service用于大规模地理解、生成和处理人类语言。例如，生成文本、摘要、数据提取、分类、对话等等。
上次我使用的百度AI开放平台的API接口实现图片的转化，后来有许多小伙伴都私信问我，怎么获取百度AI平台的AK和SK。为了统一回答大家的问题，今天我又使用百度API实现了一个从图片中提取文字和识别身份证的功能，详细描述实现过程，有收获的小伙伴记得收藏、转发分享哦。
今天凌晨，科技圈迎来了一个重要新闻。美国芯片创业公司 Etched 推出了自己的第一块 AI 芯片 Sohu，它运行大模型的速度比英伟达 H100 要快 20 倍，比今年 3 月才推出的顶配芯片 B200 也要快上超过 10 倍。
FastWiki是一个高性能、基于最新技术栈的知识库系统，旨在为大规模信息检索和智能搜索提供解决方案。它采用微软Semantic Kernel进行深度学习和自然语言处理，在后端使用MasaFramework，前端采用MasaBlazor框架，实现了一个高效、易用、可扩展的智能向量搜索平台。其目标是帮助用户快速准确地获取所需信息，具有智能搜索、高性能、现代化前端、强大的后端等特点。除此之外，FastWiki是开源和社区驱动的项目，采用Apache-2.0许可证，鼓励开发者和企业使用和贡献。
今天和大家一起简单回顾一下2019年发表的《MASS: Masked Sequence to Sequence Pre-training for Language Generation》这篇论文。MASS产生的背景，是在BERT取得重大关注后，发现BERT并不适用于生成式任务之后。作者将BERT中的预测token改为了预测fragment(连续片段)，同时采取了整个sequence-to-sequence modeling，取代了BERT仅仅使用encoder作为建模的做法，使得MASS更加适合生成式的任务。
如果你体验过与任何一款对话式 AI 机器人的交流，你一定能想起某些极具「挫败感」的时刻。比如，你在前一天的对话中讲述过的要点，被 AI 忘得干干净净……
它用自己的优秀表现证明了，很多时候自己看似失败的表现，只是因为人类不会正确地prompt而已。
近段时间大家听到的最多的新闻热点无非就是生成式AI了。确实它的出现对社带来了巨大的改变。
今年，随着各大GLM模型的开源和算力的提升，尤其是最近比较火热的月之暗面的Kimi 模型，AI应用场景中的各种智能体如雨后春笋般涌现。许多同学们纷纷表达了加入AI应用的学习和测试的愿望，然而各大模型提供商所提供的API的免费tokens在数量和其他方面都存在着不同的限制，这给我们这些白嫖党带来了一定的不便。今天，在GitHub上，我发现了这个名为kimi-free-api的项目，它为我们学习和测试使用GLM模型提供了极大的便利。
AI如今发展迅速，各云厂商对通用的人脸识别，文字识别，语音识别和语音合成提供了接口。在日常中有些小场景还是可以用到这些通用AI接口使平台或软件锦上添花的。
如果你有类似于上面的问题，想要学习AI，并且您是一名.NET开发工程师，或您是一名弃暗投明的Java转.NET AI方向的工程师，那么你可以从这一篇开始，使用.NET semantic-kernel进行从0开始的入门基础教程，并且在网站免费访问，当然如果您没有AI，那么也可以在 http://api.token-ai.cn/网站注册，然后网站提供了hunyuan-lite永久免费的模型供您消息使用，下面，我们将要从控制台开始我们的入门教程。
Auto-GPT 是一个实验性开源应用程序，展示了 GPT-4 语言模型的功能。该程序由 GPT-4 驱动，将 LLM 的“思想”链接在一起，以自主实现您设定的任何目标。作为 GPT-4 完全自主运行的首批示例之一，Auto-GPT 突破了 AI 的可能性界限。
这也算是个老话题了。最开始在AI生成代码，大家都在关心码农转行是该开滴滴还是送外卖的时候，就有人说自己放在Github上的代码被AI抄袭了，圈内讨论过一阵为了训练模型，不管人家代码是什么开源协议都统统喂进去，是不是属于侵权问题。
在网上，以及一些视频软件里面，我们都可以看见将人像转变为漫画的软件，那我们可不可以自己来做一个呢！那还等什么，来看一看吧
AI 这个话题很火，我也一直在关注着，很多人甚至觉得 AI 会改变世界，也许你会好奇：ChatGPT 会在三年内终结编程吗？AI有可能改变人的学习方式吗？AI 能否取代打工人？本文会对相关问题从我们可见日常问题进行解答。
机器之心报道 参与：魔王、小舟、杜伟 将自然语言处理领域主流模型 Transformer 应用在视觉领域似乎正在成为趋势。最近，Facebook 研究人员提出一项新技术——数据高效图像 Transformer (DeiT)，该方法所需的数据量和计算资源更少，且能产生高性能的图像分类模型。 Transformer 是自然语言处理领域的主流方法，在多项任务中实现了 SOTA 结果。近期越来越多的研究开始把 Transformer 引入计算机视觉领域，例如 OpenAI 的 iGPT、Facebook 提出的 D
Transformer 是自然语言处理领域的主流方法，在多项任务中实现了 SOTA 结果。近期越来越多的研究开始把 Transformer 引入计算机视觉领域，例如 OpenAI 的 iGPT、Facebook 提出的 DETR 等。
接口文档 https://ai.baidu.com/ai-doc/FACE/2k7zyhuev
AI赛道上，科技巨头们激烈角逐。前脚有GPT-4o问世，后脚就出现了Claude 3.5 Sonnet。如此激烈的争斗中，谷歌虽然发力较晚，但在短时间内就能有显著的能力跟进，可见其技术发展与创新的潜力。
Gemini 1.5 建立在谷歌基础模型开发和基础设施的研究与工程创新的基础上，包括通过新的专家混合 (MoE) 架构使 Gemini 1.5 的训练和服务更加高效。
这一次，号称专为LLM推理加速打造的Sohu芯片，已经成超越Groq，成为最强AI芯片。
就在前几天，Open AI 推出了新一代视频模型 Sora，又引发了一次 AI 领域的震动，大家纷纷惊呼这是又一个里程碑的时刻。
使用open ai的API调用GPT都是单次调用，所以模型并不记得之前的对话，多轮对话的实现其实是将前面轮次的对话过程保留，在下次对话时作为输入的message数组的一部分，再将新一轮对话的提问也放入message数组，再发起一次API调用，即构手动建对话流（以上笔者注）。
继文生图Stable Diffusion、SDXL1.0、语言模型StableLM之后，独角兽Stability AI又放大招了。
近日，Eleuther AI在GitHub上推出了一个名为GPT-Neo的开源项目：GPT-3同等复现预训练模型(1.3B & 2.7B)，并可在Colab上完成微调。
最近OpenAI官网发布了ChatGPT的重要更新，引起了广泛的关注。这次更新带来了一系列重要的改进和新功能，为用户和开发者提供了更高的灵活性和便利性。 OpenAI已经发布了新版本的GPT-3.5-turbo和GPT-4，这两个模型是在GPT-3.5的基础上进行了优化，反应速度更快。
我们知道，仅在无监督文本语料库上预训练的基础大语言模型（LLM）通常无法直接用作开源域的 AI 助手（如 ChatGPT）。因此，为了让这些基础的 LLM 成为有用且无害的 AI 助手，研究人员往往使用指令调优和偏好学习对它们进行微调。
现在是资源共享的时代，同样也是知识分享的时代，如果你觉得本文能学到知识，请把知识与别人分享。
第一篇中，我们转换后的PCM文件，还是存储在本地文件系统中。接下来，我们需要基于百度云的对象存储BOS服务，将文件上传到云端：
机器之心报道 机器之心编辑部 OpenAI 的 GPT-4 可以处理的上下文 token 最多可达 32k（约 50 页文本）。如今，前 OpenAI 员工创建的 Anthropic 公司再次升级了对标模型 Claude，将上下文 token 扩展到了 100k，处理速度也大大加快。 最近一段时间，OpenAI 凭借 GPT 系列模型以及 ChatGPT，一直是最受关注的研究机构。但最近两年，一家 AI 初创公司正在走进大家的视野，这家公司名为 Anthropic，成立于 2021 年，专注于开发通用 AI
它成功将一个在自然语言处理领域的Transformer模型迁移到计算机视觉领域。从那时起，计算机视觉领域的进步已经加速。
现在还可以免费体验：https://studio.ai21.com/playground
机器之心报道 机器之心编辑部 来自 Meta AI 和纽约州立大学布法罗分校的研究者分析了 MLP 在表达能力方面的局限性，并提出了在特征和输入（token）维度上带有混合专家系统（MoE）的稀疏激活 MLP。 作为基于注意力模型的替代方案，纯 MLP 架构吸引了越来越多的关注。在 NLP 中，gMLP 等近期工作表明，纯 MLP 在语言建模方面可以达到与 transformer 相当的性能，但在下游任务中弱于 transformer。 来自 Meta AI 和纽约州立大学布法罗分校的研究者分析了 MLP
一个Stable Diffusion还不够！Stability AI再放杀手锏，进击代码生成领域：
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
