LLM
含有「LLM」共 75 篇內容
全部內容
發佈日期由新至舊
本篇文章探討百度在AI領域的核心戰略，包括閉源大模型的採用、AI as a Service的市場潛力以及智能體的廣泛應用。對於AI商業化，百度創辦人李彥宏強調應用的深度與效用才是關鍵。此外，百度如何在面對全球AI價格戰中，選擇不同的發展路徑和商業模式，將對未來的市場發展具有重要影響。
這兩年最熱門的議題是AI應用技術與相關產業，但AI技術背後的高耗能運算以及數據中心運作所帶來的能源負擔，也越來越多人注意到是個嚴重問題。本文摘要並整理翻譯報導，介紹了主流生成式AI的能耗、碳排量、相對影響以及與此相關之趨勢及研究領域。
RAG（Retrieval-Augmented Generation，檢索增強生成）是一種結合了檢索和生成技術的自然語言處理模型。
這種模型的核心在於利用外部數據源來增強大型語言模型（LLM）的生成能力，從而提高生成內容的準確性和相關性。
RAG 的工作原理是什麼？
RAG 的運作流程主要分為
本文探討未來大型語言模型 (LLM) 在化學合成中的潛力，特別是如何生成新化合物以應對散熱系統的挑戰。透過分析新生成的化合物水魔素，文章闡述其在冷熱傳導性上的應用，並指出該技術有望顛覆傳統散熱設計，從而提升散熱效率。實驗結果成功發表於論文期刊，標誌著化學合成領域的創新突破。
摘要
隨著AI模型規模的不斷擴大，單一數據中心的同步訓練方法已接近其物理限制。Google透過其先進的多數據中心基礎設施展現出明顯的效率優勢，而OpenAI與微軟則展開極具野心的多數據中心訓練計畫，力圖在基礎設施競賽中超越Google。文章深入探討了多數據中心訓練的技術挑戰，包括同步與異步梯度下降
付費限定
摘要 (Abstract)
隨著生成式AI推動對高效能運算前所未有的需求，數據中心產業正經歷巨大變革。Nvidia Blackwell GPU的出現，以其高達130kW的機架功率密度，確立了液冷技術的標準地位，未採用液冷的數據中心將在AI競賽中落後。這也導致了數據中心設計的重大轉變，例如Meta拆
摘要
生成式AI目前在供應鏈管理中展現出實際的投資回報率，尤其在處理非結構化文件和自動化流程方面成效顯著。Flexport公司成功應用生成式AI解析文件、提取關鍵信息並應用規則，大幅提升效率並降低成本。此案例顯示生成式AI的價值並非僅限於聊天機器人等熱門應用，更在解決複雜的商業問題上展現巨大潛力。
所有內容來自於 Beginner: Introduction to Generative AI Learning Path 這個課程內容，主要介紹python SDK的使用
本文介紹了目前主要的LLM提供商，包括OpenAI、Google、Meta、Anthropic及Microsoft，並且探討了選擇LLM提供商時的考量因素。文章還預測了LLM的未來發展趨勢，如模型小型化、多模態模型及更廣泛的應用。透過比較不同提供商的特點，幫助讀者選擇適合的LLM以滿足他們的需求。
「 LLM 讓自動駕駛變暖男、到貨不準時客人不回購、零售科技用遊戲獎勵養理想來客 」
選些每週看到有趣的新聞新知，有商業、有零售、有科技新知，重不重要是其次，有趣才有看的價值。
