OpenAI应用的相关内容

文章 2024-06-26 来自：开发者社区

开源模型破局OpenAI服务限制，15分钟灵活搭建RAG和Agent应用

实验一实验目标：Qwen2+Ollama+LlamaIndex实现RAG应用实验时长：15分钟运行设备：Mac，CPU，GPU均可环境安装： pip install llama-index llama_index.llms.ollama llam...

文章 2024-03-30 来自：开发者社区

GitHub Copilot 与 OpenAI ChatGPT 的区别及应用领域比较

GitHub Copilot 和 OpenAI ChatGPT 都是近年来颇受关注的人工智能项目，它们在不同领域中的应用继续引发热议。本文旨在分析和比较这两个项目的区别，从技术原理、应用场景、能力和限制、输出结果、能力与限制和发展前景等方面进行综合评估，帮助读者更好地了解这两个项目的特点和适用性。一、简介 GitHub Copilot： ...

文章 2023-09-12 来自：开发者社区

摆脱 OpenAI 依赖，8 分钟教你用开源生态构建全栈 AI 应用

$stringUtil.substring( $!{XssContent1.description},200)...

文章 2023-05-25 来自：开发者社区

关于Prompt Engineering你该了解啥？OpenAI应用研究负责人帮你梳理了(2)

增强语言模型[Mialon et al. (2023) ] 对增强语言模型进行的一项调查。涵盖了多类增强推理技能和使用外部工具能力的语言模型。推荐读者可以读一下。检索通常，我们需要在模型预训练时间截止或内部 / 私有知识库之后，完成需要最新知识的任务。在这种情况下，如果不在 prompt 中显式提供上下文，模型将不知道上下文。开放领域问答的...

文章 2023-05-25 来自：开发者社区

关于Prompt Engineering你该了解啥？OpenAI应用研究负责人帮你梳理了(1)

关于Prompt Engineering你该了解啥？OpenAI应用研究负责人帮你梳理了机器之心 2023-04-22 12:21 发表于北京选自Lil’Log机器之心编译编辑：rome rome随着 ChatGPT、GPT-4 等模型的兴起，人们对如何创建提示以获得想要的输出越来越感兴趣。研究者对特定提示的响应可能很难预测，并且会因模型的...

文章 2023-05-22 来自：开发者社区

为内存塞不下Transformer犯愁？OpenAI应用AI研究负责人写了份指南（3）

为了更好地处理长序列数据，Scaling Transformer 进一步配备了来自 Reformer 的 LSH（局部敏感哈希）注意力和 FFN 块循环，从而产生了 Terraformer 模型。混合专家系统 MoE专家混合系统 (MoE) 模型是一种专家网络的集合，每个样本仅激活网络的一个子集来获得预测结果。这个想法起源于上...

文章 2023-05-22 来自：开发者社区

为内存塞不下Transformer犯愁？OpenAI应用AI研究负责人写了份指南（2）

为了推动 N:M 结构稀疏化，需要将一个矩阵的列拆分为 M 列的多个 slide（也称为 stripe），这样可以很容易地观察到每个 stripe 中的列顺序和 stripe 的顺序对 N:M 稀疏化产生的限制。Pool 和 Yu 提出了一种迭代式的贪心算法来寻找最优排列，使 N:M 稀疏化的权重幅度最大化。所有通道对都被推测...

文章 2023-05-22 来自：开发者社区

为内存塞不下Transformer犯愁？OpenAI应用AI研究负责人写了份指南（1）

本文是一篇综述性的博客，探讨总结当下常用的大型 transformer 效率优化方案。大型 Transformer 模型如今已经成为主流，为各种任务创造了 SOTA 结果。诚然这些模型很强大，但训练和使用起来代价非常昂贵。在时间和内存方面存在有极高的推理成本。概括来说，使用大型 Transformer 模型进行推理的难点，除了...