万象云档 本次搜索耗时 1.611 秒,为您找到 42 个相关结果.
  • 第十三章 ChatGPT让数字人更加智能

    第十三章 ChatGPT让数字人更加智能 第十三章 ChatGPT让数字人更加智能 随着AR/VR、虚拟引擎、3D建模等软硬件技术的日臻成熟,数字人迎来了重大发展契机——充分利用新技术完善沉浸式体验,极大地提升数字人的商业价值与扩展应用领域。例如,数字人可以扮演向导的角色,与用户进行多模态互动,即“面对面”低延迟地进行实时交互交流,为用户提供路线规划、...
  • 07 关于ChatGPT的其他疑问

    434 2025-05-09 《ChatGPT:AI革命》
    07 关于ChatGPT的其他疑问 07 关于ChatGPT的其他疑问 ChatGPT会取代搜索引擎吗 人们经常会把谷歌、百度等搜索引擎拿来和ChatGPT进行比较。但是ChatGPT并不是一个搜索引擎。相对于传统的搜索引擎,ChatGPT更像是一个智能助手,可以帮助用户获得有关某些主题的信息,并以对话的形式回答问题。它不仅提供了信息,而且还可以根据...
  • 前言

    前言 前言 FOREWORD 当我们还停留在千篇一律的“基础设施层、数据层、平台层、应用层、用户层”的互联网架构图之时,大洋彼岸的互联网技术已经又取得了跨时代的进步。 马斯克称ChatGPT将颠覆世界;微软为ChatGPT投资数百亿美元,并计划将其整合到Office办公软件和Bing搜索引擎之中;在一些高校和学术机构中,兴起了关于用ChatGPT...
  • 第二章 快速迭代的发展历程

    第二章 快速迭代的发展历程 第二章 快速迭代的发展历程 在ChatGPT一词中,Chat是指对话方式,GPT是指背后的技术,其是一种基于互联网可用数据训练的文本生成深度学习模型。它用于文本问答、文本摘要、语言翻译、文本分类、代码生成和对话对答等工作中。从最初版本的GPT-1到GPT-4(ChatGPT),仅用4年时间ChatGPT就实现了快速的迭代式演...
  • 02 OpenAI API

    316 2025-05-09 《ChatGPT:AI革命》
    02 OpenAI API 02 OpenAI API OpenAI API是OpenAI公司提供的一种在线服务,可以让开发人员轻松访问OpenAI的人工智能技术,以在自己的应用程序、网站或产品中使用这些技术。API提供了一种简单的接口,可以通过发送请求和获得响应来使用OpenAI的技术。 哪些场景适合使用OpenAI API呢?通常情况下,Open...
  • 04 ChatGPT的核心技术是什么

    310 2025-05-09 《ChatGPT:AI革命》
    04 ChatGPT的核心技术是什么 04 ChatGPT的核心技术是什么 ChatGPT的核心技术是基于人工神经网络的自然语言处理技术。具体来说,它使用了一种名为GPT(Generative Pre trained Transformer)的大型深度学习模型。 GPT模型的前身是Transformer模型(一种用于自然语言处理的深度学习模型),它在...
  • 概述

    301 2025-06-03 《Cursor中文文档》
    概述 ​ 什么是 Chat? ​ 核心能力 了解代码 编辑代码 运行命令 自动化工作流程 ​ 开始 ​ 我可以用 Chat 做什么? ​ 模式 自定义模式 ​ 上下文 ​ 代码编辑 ​ 制表符 ​ 检查站 ​ 规则 ​ 型号选择 ​ 历史和成本 ​ 代码审查 ​ 管理长时间的对话 ​ 导出聊天 ​ 复制聊天 ​ 问题...
  • 第七章 幕后的技术路径

    第七章 幕后的技术路径 第七章 幕后的技术路径 当然,AIGC能力的提升,并不是一蹴而就的,而是经历了漫长且复杂的“模型突破—大幅提升—规模化生产—遇到障碍—再模型突破—大幅提升”的循环发展过程。而AIGC要实现商业化落地应用,走进人类生活,就必须在资源消耗、学习门槛等方面做到平民化。 AIGC的成功主要得益于基础的生成算法模型不断突破创新。比如为人...
  • 使用自然语言搭建智能体

    264 2025-04-28 《什么是扣子?》
    ​步骤一:创建智能体 ​通过扣子助手创建智能体 通过AI创建智能体 步骤二:修改并调试智能体 步骤三:发布智能体​ 你可以通过自然语言描述你的智能体创建需求,例如创建一个夸夸机器人,你也可以详细描述智能体的功能和应用场景,扣子会根据你的描述,自动创建一个专属于你的智能体。 ​步骤一:创建智能体 ​扣子提供了一个官方助手智能体,即扣子助手,帮助...
  • BERT 上的动态量化(Beta)

    BERT 上的动态量化(Beta) 简介 1.设置 1.1 安装 PyTorch 和 HuggingFace 转换器 1.2 导入必要的模块 1.3 了解辅助函数 1.4 下载数据集 2.微调 BERT 模型 2.1 设置全局配置 2.2 加载经过微调的 BERT 模型 2.3 定义分词和评估函数 3.应用动态量化 3.1 检查模型大小 ...