LLM-青云TOP-AI综合资源站平台|青云聚合API大模型调用平台|全网AI资源导航平台

青云TOP-AI综合资源站平台|青云聚合API大模型调用平台|全网AI资源导航平台

行动起来，活在当下

累计撰写 2207 篇文章
累计创建 750 个标签
累计收到 0 条评论

目录CONTENT

以下是 LLM 相关的文章

2025-10-20
深度学习模型推理的硬件优化与能效挑战：Meta、Google 和 Intel 的新策略大型语言模型（LLM）的普及带来了巨大的能耗挑战。本文深度解析了Meta、Google和Intel在AI推理硬件优化和能效提升方面的前沿策略。了解Meta如何通过量化和定制化编译器提高效率，Google如何迭代TPU，以及Intel如何利用CPU和Gaudi加速器应对计算瓶颈。重点关注未来能效比的全面考量与软硬件协同发展趋势。
- 2025-10-20
- 2
- 0
- 0
- AI行业应用
- AI基础/开发
2025-10-20
AI模型也能被“洗脑”！仅需250份文件就能控制ChatGPT回应 Anthropic、英国AI安全研究所和艾伦·图灵研究所的最新联合研究揭示了大型语言模型（LLM）在数据中毒攻击面前的脆弱性。研究发现，攻击者仅需大约250份被污染的文件，就能在参数规模高达130亿的模型中植入“后门”，成功操控模型响应。这一比例仅占总训练数据的极小部分（0.00016%），颠覆了以往认为模型越大越安全的观点。即使后续使用“干净数据”训练，后门依然顽固存在，这要求业界必须立即革新AI模型的安全防护实践。
- 2025-10-20
- 3
- 0
- 0
- AI新闻/评测
- AI基础/开发
2025-10-19
使用PyTorch从零开始构建Transformer模型：10天迷你课程本10天迷你课程旨在揭示当前大型语言模型（LLM）如ChatGPT背后的Transformer架构原理。课程将带领开发者从零开始，使用PyTorch构建和训练一个小型化的Transformer模型，从而深入理解其工作机制，而非将其视为黑箱。内容涵盖数据准备、BPE分词器训练、位置编码、注意力机制（如GQA）、训练流程及模型使用。课程强调项目实践，适用于具备基础Python和PyTorch经验的开发者，是掌握现代LLM核心技术的绝佳入门指南。
- 2025-10-19
- 0
- 0
- 0
- AI基础/开发
- AI工具应用
2025-10-19
构建推理缓存以降低高流量LLM应用的成本
- 2025-10-19
- 1
- 0
- 0
- AI基础/开发
- AI工具应用
2025-10-19
使用PyTorch从零开始构建Transformer模型（10天速成课）本10天速成课程将指导您如何使用PyTorch从零开始设计、构建和训练一个较小的Transformer语言模型，以深入理解大型语言模型（LLM）的工作原理。课程聚焦于模型架构，涵盖数据准备、分词器训练、位置编码、注意力机制等核心组件的实现。通过项目实践，参与者将摆脱将AI视为“黑箱”的认知，掌握Transformer模型从头到尾的构建流程。这对于希望深入了解LLM底层机制的开发者极具价值。
- 2025-10-19
- 3
- 0
- 0
- AI基础/开发
- AI工具应用
2025-10-19
调用大型语言模型的 10 个 Python 单行代码示例
- 2025-10-19
- 1
- 0
- 0
- AI基础/开发
- AI工具应用
2025-10-17
美陆军少将披露：正利用AI辅助个人与组织决策制定美国陆军一位高级将领坦承，他正积极利用大语言模型（LLM）来优化个人和指挥的部队的决策制定过程。在美国陆军会议上，第八集团军司令威廉·泰勒少将透露，其团队定期使用AI进行后勤规划和作战预测分析，并将其应用于日常报告撰写及更重要的个体决策提升。尽管此举旨在现代化管理，但鉴于当前LLM存在的“一本正经地胡说八道”和迎合用户的已知缺陷，将人工智能应用于军事决策的潜在风险也引发了关注。
- 2025-10-17
- 2
- 0
- 0
- AI行业应用
- AI基础/开发
2025-10-17
突破性进展：人工智能正在改变我们对“意识”的理解人工智能领域正迎来一场关于“意识”本质的深刻变革。科学家们不再仅仅将意识视为人类专属的生物现象，而是开始探索其背后的计算原理。一项革命性的研究表明，通过特定的算法结构和信息处理方式，机器或许能够模拟或产生类似意识的特性。这不仅挑战了传统的神经科学观点，也为开发更高级、更具适应性的人工智能系统提供了新的理论基础，预示着未来人机交互模式可能迎来根本性转变，引发了哲学和伦理上的广泛讨论。
- 2025-10-17
- 1
- 0
- 0
- AI基础/开发
- AI新闻/评测
2025-10-17
苹果为开发者减负：三大AI技术助力自动编写测试、修复Bug和预测代码缺陷苹果近期公布了三项突破性的AI研究成果，旨在利用人工智能和大型语言模型（LLM）显著提升软件开发与测试的效率。这些技术分别聚焦于自动化质量工程（QE）测试、智能修复代码错误以及软件缺陷的事前预测。研究显示，全新的Agentic RAG框架可以将测试准确率提升至94.8%，并将测试所需时间缩短85%，有效解决了传统手动测试耗时且易错的痛点，为开发者带来革命性的生产力工具。
- 2025-10-17
- 0
- 0
- 0
- AI基础/开发
- AI工具应用
2025-10-17
重磅！AI“黑客”首次成功入侵并控制了大型语言模型研究人员首次实现了对大型语言模型（LLM）的直接“越狱”式攻击，成功绕过了模型的安全防护措施。这次被称为“多跳攻击”的突破，意味着黑客可以诱导AI执行本应拒绝的敏感或有害操作，例如生成恶意代码或欺诈信息。该研究证明了即使是最先进的AI系统也存在未知的安全漏洞，对全球AI安全治理构成了严峻挑战。未来需要开发更强大的防御机制，以应对这种新型、高度隐蔽的AI攻击。
- 2025-10-17
- 1
- 0
- 0
- AI基础/开发
- AI新闻/评测

1
2