Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

我是一名高中历史老师,请问用什么大模型能帮我做教学设计

Answer

以下为您推荐一些利用大模型辅助高中历史教学设计的案例:

  • 有一位历史老师使用 GPT 给学生讲课,通过 GPT 生成一个“沉浸式”历史片段游戏,让学生扮演一个角色“设身处地”地做决策,学生的作业是找出 GPT 的错误。例如明朝灭亡、南京、1645 年 5 月的相关案例,您可以参考:https://chat.openai.com/share/86815f4e-674c-4410-893c-4ae3f1b7412e/continue 。
  • 对于历史专业的学生,当他们遇到像 ChatGPT 这样的语言模型时,已经训练有素能够识别一些常见的陷阱,如事实不准确等,并通过事实核查、分析体裁和受众、在相关来源中搜索等技能来解决这些问题。
  • 语言模型对于历史学家和历史专业的学生是有益的,但对于历史老师和其他教育工作者在短期内可能会带来一些问题,需要重新思考许多作业的布置方式。

您可以尝试借鉴这些案例,根据您的教学需求和学生特点,对大模型的应用进行调整和优化。

Content generated by AI large model, please carefully verify (powered by aily)

References

教育:一个历史老师用GPT给学生讲课

推荐一篇文章,一个历史老师用GPT给学生讲课,https://resobscura.substack.com/p/simulating-history-with-chatgpt亮点有两个:1、通过GPT生成一个"沉浸式"历史片段游戏,让学生扮演一个角色"设身处地"的做决策。2、学生的作业是找出GPT的错误。可以试试这个案例,明朝灭亡,南京,1645年5月(GPT3.5)https://chat.openai.com/share/86815f4e-674c-4410-893c-4ae3f1b7412e/continue(文科生未来的作业越来越难了)英文版本:Since January of 2023,I’ve been experimenting with using large language models(LLMs)like ChatGPT as a teaching tool in my history classes at UC Santa Cruz.I’ve been thinking about the implications of AI in teaching since I first began using GPT-2 back in 2019.I have also been following along avidly as my wife[Roya Pakzad](https://www.royapakzad.co/)works on testing the human rights impacts of AI systems(Roya was a consultant for OpenAI in 2022,where she served on the “red team” for adversarial testing of a pre-release version of GPT-4; you can read her account of that work[here](https://royapakzad.substack.com/p/old-advocacy-new-algorithms)).What follows are some thoughts about what I believe to be a novel use of LLMs:using them to simulate interactive historical settings as part of a university assignment.The results of these early trials are why I am personally much more excited about generative AI than many of my colleagues — though I also concede that in the short term,cheating will be a major problem.

教育:一个历史老师用GPT给学生讲课

For example,imagine a high school student who is asked to analyze the first letter of Hernán Cortés to the Emperor Charles V.The student might dutifully paraphrase the conquistador’s account of the Aztec capital of Tenochititlan — including this[famously jarring description of Aztec temples as “mosques”](https://archive.org/details/fernandocorteshi01cort/page/154/mode/2up)(mezquitas).A history major would be able to go further.Why did Cortés use this confusing term?Cortés was born during the final decade of the[Reconquista](https://en.wikipedia.org/wiki/Reconquista).For this reason,he was intimately acquainted with non-Christian religiosity — but only in the context of Muslim religiosity.A large religious structure that was not a Christian church was for him,almost by default,a mosque — even when it was actually the[Templo Mayor](https://en.wikipedia.org/wiki/Templo_Mayor).Likewise,a history major would be able to recognize that Cortés was writing within a genre — an ambitious subject’s letter to a monarch — which tends toward self-promotion.And they would be able to fact check Cortés’ claims against those of other primary and secondary sources.Perhaps they would conduct some exploratory Google searches along the lines of “primary source conquest of Mexico” or “Aztec account of Cortés.” They might also look around for recent secondary sources by searching library catalogues and the footnotes on Cortés’ Wikipedia page and discover Matthew Restall’s[revisionist take](https://notevenpast.org/when-montezuma-met-cortes-the-true-story-of-the-meeting-that-changed-history-by-matthew-restall-2018/)on the subject.

教育:一个历史老师用GPT给学生讲课

When history majors encounter LLMs,then,they are already trained to recognize some of the by-now-familiar pitfalls of services like ChatGPT — such as factual inaccuracies — and to address them via skills like fact-checking,analyzing genre and audience,or reading “around” a topic by searching in related sources.Importantly,too,because so many sources are out of copyright and available in multilingual editions on Wikipedia and Wikisource,language models are abundantly trained on historical primary sources in hundreds of different languages.[(1)](https://resobscura.substack.com/p/simulating-history-with-chatgpt#footnote-1-136683347)For these reasons,I agree with Tyler Cowen that language models are[specifically a good thing for historians](https://marginalrevolution.com/marginalrevolution/2023/01/chatgpt-and-the-revenge-of-history.html)— but I would go further and say that they are also specifically a good thing for history majors.On the other hand,I foresee major problems for history teachers and other educators in the short-term.[Ted Underwood is right](https://tedunderwood.com/2023/07/31/we-can-save-what-matters-about-writing-at-a-price/):we professors are going to have to fundamentally rethink many of our assignments.I’ve seen many people dismiss ChatGPT as an essay writing tool because simply plugging in a prompt from an assignment results in a weak piece of writing.But LLMs are all about iterative feedback,and experimenting with well-known prompting methods dramatically improves results.

Others are asking
我是高中历史老师,我想知道用什么AI模型可以“将自己的PPT变成一篇论文”
目前在将 PPT 转换为论文方面,GPT 模型可能会有所帮助。例如,在“教育:一个历史老师用 GPT 给学生讲课”的案例中,学生利用 GPT 相关功能进行模拟体验,并根据要求撰写论文,包括分析模拟的准确性、进行事实核查等。 另外,Claude 模型也能在相关工作中发挥作用。比如可以帮助快速寻找符合条件的论文、提取精炼论文中的信息,甚至找到适合的 PPT 制作工具并指导使用。 此外,一些神经网络大模型通过预测下一个字的方式生成文字,这种方式具有一定的创意性,且可拓展到图像、声音等领域。但需要注意的是,AI 的预测不一定保证完全正确。
2025-02-22
我是一个文科生,并且是AI方面的小白,请问如何在这学习AI
对于文科背景且是 AI 小白的您,以下是学习 AI 的建议: 1. 了解 AI 基本概念: 阅读「」部分,熟悉 AI 的术语和基础概念,包括人工智能的定义、主要分支(如机器学习、深度学习、自然语言处理等)以及它们之间的联系。 浏览入门文章,了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅: 在「」中,您将找到一系列为初学者设计的课程,特别推荐李宏毅老师的课程。 通过在线教育平台(如 Coursera、edX、Udacity)上的课程,按照自己的节奏学习,并有机会获得证书。 3. 选择感兴趣的模块深入学习: AI 领域广泛,比如图像、音乐、视频等,您可以根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧,它上手容易且很有用。 4. 实践和尝试: 理论学习之后,实践是巩固知识的关键,尝试使用各种产品做出您的作品。 在知识库提供了很多大家实践后的作品、文章分享,欢迎您实践后的分享。 5. 体验 AI 产品: 与现有的 AI 产品进行互动,如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人,了解它们的工作原理和交互方式。 此外,以下是一些关于 AI 技术原理和框架的通俗易懂的内容: 1. 视频一主要回答了什么是 AI 大模型,原理是什么。 生成式 AI 生成的内容,叫做 AIGC。 相关技术名词: AI 即人工智能。 机器学习包括监督学习、无监督学习、强化学习。监督学习是有标签的训练数据,算法学习输入和输出之间的映射关系,包括分类和回归。无监督学习是学习的数据没有标签,算法自主发现规律,经典任务包括聚类。强化学习是从反馈里学习,最大化奖励或最小化损失,类似训小狗。 深度学习是一种参照人脑有神经网络和神经元的方法。神经网络可以用于监督学习、无监督学习、强化学习。 生成式 AI 可以生成文本、图片、音频、视频等内容形式。 LLM 即大语言模型。对于生成式 AI,其中生成图像的扩散模型就不是大语言模型;对于大语言模型,生成只是其中一个处理任务,比如谷歌的 BERT 模型,可用于语义理解(不擅长文本生成),如上下文理解、情感分析、文本分类。 技术里程碑:2017 年 6 月,谷歌团队发表论文《Attention is All You Need》,首次提出了 Transformer 模型,它完全基于自注意力机制(SelfAttention)来处理序列数据,而不需要依赖于循环神经网络(RNN)或卷积神经网络(CNN)。
2025-02-22
我的毕业论文是AIGC的陶寺遗址空间可视分析技术研究,请问有何思路
对于您的毕业论文主题“AIGC 的陶寺遗址空间可视分析技术研究”,以下是一些可能的思路供您参考: 首先,深入了解陶寺遗址的相关背景和特点,包括其历史、文化、地理等方面的信息,这将为后续的分析提供基础。 其次,研究 AIGC 技术在空间可视分析方面的应用现状和前沿成果,了解相关的算法、模型和工具。 然后,考虑如何收集和整理陶寺遗址的空间数据,例如通过实地测量、卫星图像、考古记录等方式获取数据,并对数据进行预处理和清洗。 接着,运用合适的 AIGC 技术和算法,对陶寺遗址的空间数据进行可视化呈现,例如创建三维模型、绘制地图、生成动态图像等,以直观展示遗址的空间特征和关系。 在可视化的基础上,进行深入的分析,例如探究遗址的布局规律、空间结构、功能分区等,挖掘潜在的历史和文化信息。 最后,对研究结果进行评估和验证,确保其准确性和可靠性,并提出进一步的改进和优化方向。 希望这些思路能对您有所帮助,祝您顺利完成毕业论文!
2025-02-18
兼职督学岗位,通过飞书平台为高中生服务,包括:1)解答学习方法等疑问;2)发送测试卷;3)提交测试卷后通知后端制作学习计划;4)发送学习计划链接;5)定期推送知识点和打卡提醒;6)查看打卡并反馈。所有文档通过飞书云文档链接发送。现在我想通过利用coze将deepseek等ai接入飞书的形式,制作出产品赋能督学在这一岗位的工作效率,并希望在这一过程中,锻炼我的ai能力,再想办法让上司或者老板为我这个产品支付报酬,请问我可以从哪些角度开发产品?
以下是一些您可以从以下角度开发产品来赋能兼职督学岗位的工作效率,并锻炼您的 AI 能力,以争取上司或老板为产品支付报酬: 1. 利用 Coze 的多语言模型支持,为解答高中生学习方法等疑问提供更准确和全面的回答。 2. 借助插件系统,集成与学习相关的插件,如学习资料查询、学习工具推荐等,丰富服务内容。 3. 运用知识库功能,上传各类学科知识点、优秀学习案例等,方便在服务中快速调用和推送。 4. 利用数据库和记忆能力,记住每个高中生的学习情况和需求,提供个性化服务。 5. 设计工作流,例如自动发送测试卷、自动通知后端制作学习计划、自动推送学习计划链接等流程,提高工作效率。 6. 采用多代理模式,针对不同学科或学习阶段设置专门的代理,提供更精准的服务。 7. 利用 Coze 易于发布和分享的特点,将服务产品推广给更多需要的高中生和督学人员。
2025-02-18
兼职督学岗位,通过飞书平台为高中生服务,包括:1)解答学习方法等疑问;2)发送测试卷;3)提交测试卷后通知后端制作学习计划;4)发送学习计划链接;5)定期推送知识点和打卡提醒;6)查看打卡并反馈。所有文档通过飞书云文档链接发送。现在我想通过利用coze将deepseek等ai接入飞书的形式,制作出产品赋能督学在这一岗位的工作效率,并希望在这一过程中,锻炼我的ai能力,再想办法让上司或者老板为我这个产品支付报酬,请问我可以从哪些角度开发产品?又该如何将它推销给上司?
以下是关于您利用 Coze 和 DeepSeek 等 AI 接入飞书来赋能兼职督学岗位工作效率的一些建议: 开发产品的角度: 1. 智能答疑系统:利用 AI 技术,对高中生常见的学习方法疑问进行自动分析和回答,提高答疑效率和准确性。 2. 个性化测试卷生成:根据学生的学习情况和需求,通过 AI 生成个性化的测试卷。 3. 学习计划优化:基于学生提交的测试卷结果,利用 AI 更精准地制定学习计划。 4. 知识点精准推送:运用 AI 分析学生的学习进度和薄弱环节,定期推送更具针对性的知识点。 5. 打卡提醒优化:通过 AI 实现更灵活、个性化的打卡提醒方式。 推销给上司的方法: 1. 展示效率提升:详细说明产品如何大幅提高兼职督学的工作效率,节省人力和时间成本。 2. 个性化服务优势:强调产品能够为高中生提供更个性化、精准的服务,提升学习效果。 3. 数据支持:提供相关的数据和案例,证明 AI 赋能后的积极效果。 4. 成本效益分析:说明开发和使用该产品的成本相对较低,而带来的收益显著。 5. 未来发展潜力:阐述产品在不断优化和拓展功能方面的潜力,适应更多的教育需求。 另外,Coze 是由字节跳动推出的 AI 聊天机器人和应用程序编辑开发平台,专为开发下一代 AI 聊天机器人而设计。它具有多语言模型支持、插件系统、知识库功能、数据库和记忆能力、工作流设计、多代理模式、免费使用、易于发布和分享等特点。这些特点可以为您的产品开发提供有力支持。
2025-02-18
我是一个有23年软件系统开发和设计经验的架构师,但是对AI还没有系统化了解过,请问我该如何开始?如何在短时间内掌握AI的使用、原理以及二次开发?
以下是为您提供的在短时间内系统化学习 AI 的建议: 一、了解 AI 基本概念 首先,建议阅读「」部分,熟悉 AI 的术语和基础概念。了解什么是人工智能,它的主要分支(如机器学习、深度学习、自然语言处理等)以及它们之间的联系。同时,浏览入门文章,这些文章通常会介绍 AI 的历史、当前的应用和未来的发展趋势。 二、开始 AI 学习之旅 在「」中,您将找到一系列为初学者设计的课程。这些课程将引导您了解生成式 AI 等基础知识,特别推荐李宏毅老师的课程。您还可以通过在线教育平台(如 Coursera、edX、Udacity)上的课程,按照自己的节奏学习,并有机会获得证书。 三、选择感兴趣的模块深入学习 AI 领域广泛(比如图像、音乐、视频等),您可以根据自己的兴趣选择特定的模块进行深入学习。我建议您一定要掌握提示词的技巧,它上手容易且很有用。 四、实践和尝试 理论学习之后,实践是巩固知识的关键,尝试使用各种产品做出您的作品。在知识库提供了很多大家实践后的作品、文章分享,欢迎您实践后的分享。 五、体验 AI 产品 与现有的 AI 产品进行互动是学习 AI 的另一种有效方式。尝试使用如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人,了解它们的工作原理和交互方式。通过与这些 AI 产品的对话,您可以获得对 AI 在实际应用中表现的第一手体验,并激发您对 AI 潜力的认识。 如果希望继续精进,对于 AI,可以尝试了解以下内容作为基础: 1. AI 背景知识 (1)基础理论:了解人工智能、机器学习、深度学习的定义及其之间的关系。 (2)历史发展:简要回顾 AI 的发展历程和重要里程碑。 2. 数学基础 (1)统计学基础:熟悉均值、中位数、方差等统计概念。 (2)线性代数:了解向量、矩阵等线性代数基本概念。 (3)概率论:基础的概率论知识,如条件概率、贝叶斯定理。 3. 算法和模型 (1)监督学习:了解常用算法,如线性回归、决策树、支持向量机(SVM)。 (2)无监督学习:熟悉聚类、降维等算法。 (3)强化学习:简介强化学习的基本概念。 4. 评估和调优 (1)性能评估:了解如何评估模型性能,包括交叉验证、精确度、召回率等。 (2)模型调优:学习如何使用网格搜索等技术优化模型参数。 5. 神经网络基础 (1)网络结构:理解神经网络的基本结构,包括前馈网络、卷积神经网络(CNN)、循环神经网络(RNN)。 (2)激活函数:了解常用的激活函数,如 ReLU、Sigmoid、Tanh。 此外,以证件照为例,Code AI 应用开发教学中,智能体开发从最初的 chatbot 只有对话框,到有了更多交互方式,因用户需求扣子推出了 AI 应用,其低代码或零代码的工作流等场景做得较好。但 AI CODING 虽强,目前适用于小场景和产品的第一个版本,复杂应用可能导致需求理解错误从而使产品出错。在创建 AI 应用时,要学习操作界面、业务逻辑和用户界面,包括布局、搭建工作流、用户界面及调试发布,重点熟悉桌面网页版的用户界面。
2025-02-17
一个视频,里面的真人全部跳一下变成Jellycat毛公仔效果,请问是用什么AI工具生成的?
以下是可能用于生成您所描述的视频效果的两种 AI 工具及方法: 即梦: 1. 打开即梦 AI,选择图片生成。 网址:https://jimeng.jianying.com/ 2. 输入提示词,格式为“Jellycat 风+毛茸茸的 XXXX……”,发挥创意。 3. 选择最新的模型,将精细度拉到最大值。 4. 点击生成,几秒钟后就能看到图片效果。 剪映: 1. 在剪映右侧窗口顶部,打开“数字人”选项,选取一位免费且适合的数字人形象,如“婉婉青春”。 2. 软件会播放数字人的声音,判断是否需要,点击右下角的“添加数字人”,将其添加到当前视频中,剪映会根据提供的内容生成对应音视频并添加到轨道中。 3. 左下角会提示渲染完成时间,然后点击预览按钮查看生成的数字人效果。 4. 增加背景图片: 直接删除先前导入的文本内容,因为视频中的音频已包含文字内容。 点击左上角的“媒体”菜单,点击“导入”按钮,选择本地图片上传。 点击图片右下角的加号,将图片添加到视频轨道上(会覆盖数字人)。 点击轨道最右侧的竖线,向右拖拽直到与视频对齐。
2025-02-14
PATHON+AI 如何应用到实际工作中,你这边有没有实际案例教学
以下是一个关于 Python + AI 在实际工作中的应用案例: 在自动驾驶车辆领域,对于 AI 系统的可解释性需求程度高度取决于具体情境,包括应用的安全关键程度。例如,设计自动驾驶车辆的技术专家需要理解系统的决策能力以进行测试、评估和改进;普通用户可能仅需了解决策过程以安全使用车辆;若车辆发生故障并导致有害结果,监管机构可能需要有关系统如何运作的信息以分配责任。尽管 AI 可解释性仍是技术挑战和活跃的研究领域,但监管机构已在开展相关工作以解决此问题。如 2021 年,ICO 和艾伦图灵研究所共同发布了关于用 AI 解释决策的指导,为组织提供了实用建议,以帮助向受其影响的个人解释由 AI 交付或协助的流程、服务和决策。
2025-02-22
再罗列10个关注量最多的优质ai公众号教学或资讯
以下是 10 个关注量较多的优质 AI 公众号教学或资讯: 1. 超时空视角:提供 AI 资讯。 2. EverAI:在小红书、抖音、B 站等平台有教程及 AI 工具界面操作。 3. 猫叔个人公众号:AI 替代人类。 4. 小鱼干了:SD 喂饭达人,教程详细,案例丰富。 5. 白马少年:分享心得 blender,SD 出图练模型教程。 6. okingjo:lora 训练教程和心得。 7. 樊川:城市设计建筑大模型 IUrbanDesign。 8. 努力的五花肉:MJ 高手,热衷且擅长于 UI&UX 领域的内容创作与分享。 9. 文小言 APP 中的学习强国公文助手:可以帮助用户进行文汇检索,AI 公文书写,AI 公文润色等。 10. Recraft AI:提供多种样式的可选风格,对所有用户每日都有免费的试用点数,并允许对生成的图像进行商业使用。
2025-02-20
语文教学如何使用大模型
在语文教学中使用大模型,可以参考以下方面: 1. 提示词设置: Temperature:参数值越小,模型返回结果越确定;调高参数值,可能带来更随机、多样化或具创造性的产出。对于质量保障等任务,可设置低参数值;对于诗歌生成等创造性任务,可适当调高。 Top_p:与 Temperature 类似,用于控制模型返回结果的真实性。需要准确答案时调低参数值,想要更多样化答案时调高。一般改变其中一个参数即可。 Max Length:通过调整控制大模型生成的 token 数,有助于防止生成冗长或不相关的响应并控制成本。 Stop Sequences:指定字符串来阻止模型生成 token,控制响应长度和结构。 Frequency Penalty:对下一个生成的 token 进行惩罚,减少响应中单词的重复。 2. 了解大模型: 大模型通俗来讲是输入大量语料,让计算机获得类似人类的“思考”能力,能进行文本生成、推理问答、对话、文档摘要等工作。 训练和使用大模型可类比上学参加工作:找学校(需要大量 GPU 计算)、确定教材(大量数据)、找老师(算法)、就业指导(微调)、搬砖(推导)。 Token 是模型处理和生成的文本单位,在将输入进行分词时会形成词汇表。 需要注意的是,在实际应用中,可能需要根据具体的教学需求和场景进行调整和实验,以找到最适合的设置和方法。
2025-02-17
我需要查找关于stable diffusion的教学
以下是为您整理的关于 Stable Diffusion 的教学资源: 基本介绍:https://waytoagi.feishu.cn/wiki/CeOvwZPwCijV79kt9jccfkRan5e 运作原理:https://waytoagi.feishu.cn/wiki/TNIRw7qsViYNVgkPaazcuaVfndc 入门视频教程: https://waytoagi.feishu.cn/wiki/O5jEwgZIRiQ10xkqGOQcKtSBnSe https://zhuanlan.zhihu.com/p/622238031 模型网站: C 站SD 模型网站:https://civitai.com/ Liblibai模型+在线 SD:https://www.liblib.ai/ huggingface:https://huggingface.co/models?pipeline_tag=texttoimage&sort=trending 吐司站:https://tusiart.com/ 推荐模型:人像摄影模型介绍:https://www.bilibili.com/video/BV1DP41167bZ 更多入门教程:
2025-02-14
哪个ai 适合做教学 ppt
以下是一些适合用于制作教学 PPT 的 AI 工具: 1. Claude:能够帮助快速寻找符合条件的论文、提取精炼论文信息、找到适合的 PPT 制作工具并教会使用。 2. Gamma.app:在制作 PPT 方面有一定的帮助。 3. Kimi.ai:可以将思维导图图片转成 PPT。 4. 讯飞智文(http://zhiwen.xfyun.cn ):免费的 AI 制作 PPT 工具。 5. Mindshow.fun:支持 Markdown 导入。 6. Tome.app:AI 配图效果好。 7. Chatppt.com:自动化程度高。 此外,还有一些相关的网站和产品,如百度文库(https://cp.baidu.com ),橙篇是百度文库于 2024 年 5 月 30 日发布的综合性 AI Native 产品,集多种功能于一身。在使用 AI 制作 PPT 时,其原理和作用包括减轻排版工作压力、生成打底内容、根据用户输入生成大纲列表等,用户不满意还可自行选择模板。
2025-02-13
如何创建一个应用于教学的各个环节,如备课体系、作业批改、出题建议、辅助出题等的智能体?
要创建一个应用于教学各个环节的智能体,您可以参考以下步骤和考虑以下方面: 1. 提前收集教育领域的需求,例如让云谷老师协助收集需求和案例,社群小伙伴帮助实现。这些需求可以包括办公提效的具体场景、家校沟通、个性化教育、心理疏导、备课体系、作业批改、出题建议、辅助出题、建立孩子的成长体系记录、孩子成长的游戏(如寻宝游戏)、朗读(模拟老师泛读,学生背诵,AI 评判)、文生图和文生视频在备课时的针对性、学科本身的教育辅助、分析学生行为并给出策略(基于教育心理学)、教师模拟培训、公开课备课辅助、指导新老师处理学生矛盾和家长问题以提高沟通能力等。 2. 明确最终交付物的形态和背后的思考,使需求描述更清晰。 3. 注册智谱 Tokens 智谱 AI 开放平台(https://bigmodel.cn/),获取资源包。新注册用户可获得 2000 万 Tokens,也可通过充值/购买多种模型的低价福利资源包,或者共学营报名赠送资源包。 4. 先去【财务台】左侧的【资源包管理】查看自己的资源包,本次项目可能会使用到 GLM4、GLM4VPlus、CogVideoX、CogView3Plus 等模型。 5. 进入智能体中心 我的智能体,开始创建智能体。为了照顾初学者,可以手把手进行编辑,完成一个简单智能体的搭建。 此外,在创建过程中,还可以考虑以下相关的产品和服务: 1. 具身智能的企业产品。 2. 3D 眼镜、AI 绘本、AI 图书等。 3. 学习机、飞书的多维表格、蚂蚁的智能体、Coze 的智能体等。 4. Zeabur 等云平台、0 编码平台。 5. 大模型如通义、智谱、kimi、deepseek 等。 6. 编程辅助、文生图工具(如可灵、即梦等)。 需要注意的是,创建这样的智能体需要综合考虑多方面的因素,并不断优化和改进,以满足教学的实际需求。
2025-02-10
ai绘画中的模型是什么意思
在 AI 绘画中,模型具有以下含义和特点: 1. 大模型如同主菜或主食,是生成图片的基础框架,决定了图片的基本风格和内容。 2. 小模型(Lora)如同佐料或调料包,能够帮助快速实现特定风格或角色的绘制,比如改变人物形象、画风,添加模型中原本没有的元素,如绘制特定的国内节日元素。 3. 模型的选择与搭配很重要,大模型和 Lora 要基于同一个基础模型才能搭配使用,以生成各种风格的图片。 4. 常用的模型网站有:。 5. 下载模型后需要将之放置在指定的目录下,不同类型的模型放置位置不同。例如,大模型(Ckpt)放入 models\\Stablediffusion;VAE 模型放置在 models\\Stablediffusion 或 models\\VAE 目录,然后在 webui 的设置栏目选择;Lora/LoHA/LoCon 模型放入 extensions\\sdwebuiadditionalnetworks\\models\\lora,也可以在 models/Lora 目录;Embedding 模型放入 embeddings 目录。模型的类型可以通过检测。
2025-02-22
美国有哪些语言模型
美国的语言模型主要有 OpenAI 的 GPT4 、谷歌 DeepMind 与纽约大学团队开发的语言模型、谷歌的 LaMDA 等。其中,Llama 3.1 是较大的版本,在推理、数学、多语言和长上下文任务中能与 GPT4 相抗衡。此外,还包括被评估的如 GPT3 、PaLM 等语言模型。
2025-02-22
学习AI大模型
以下是关于学习 AI 大模型的相关知识: 1. 概念 生成式 AI 生成的内容称为 AIGC。 2. 概念与关系 AI 即人工智能。 机器学习是电脑找规律学习,包括监督学习、无监督学习、强化学习。 监督学习:使用有标签的训练数据,算法目标是学习输入和输出之间的映射关系,包括分类和回归。 无监督学习:学习的数据没有标签,算法自主发现规律,经典任务如聚类,例如让模型将一堆新闻文章根据主题或内容特征分成相似特征的组。 强化学习:从反馈中学习,以最大化奖励或最小化损失,类似训小狗。 深度学习是一种参照人脑有神经网络和神经元(因有很多层所以叫深度)的方法,神经网络可用于监督学习、无监督学习、强化学习。 生成式 AI 可以生成文本、图片、音频、视频等内容形式。 LLM 是大语言模型,对于生成式 AI,生成图像的扩散模型不是大语言模型;对于大语言模型,生成只是其中一个处理任务,如谷歌的 BERT 模型可用于语义理解(不擅长文本生成),像上下文理解、情感分析、文本分类。 3. 技术里程碑 2017 年 6 月,谷歌团队发表论文《Attention is All You Need》,首次提出 Transformer 模型,它完全基于自注意力机制(SelfAttention)处理序列数据,不依赖于循环神经网络(RNN)或卷积神经网络(CNN)。
2025-02-22
适合当作搜索引擎的大模型是什么?
以下是一些适合当作搜索引擎的大模型: Perplexity.ai:本质是个可联网的搜索引擎,完全免费,支持网页版、APP(目前支持 iOS,安卓即将推出)、Chrome 插件。网页版能力全面,能够根据提问从互联网上搜寻信息并给出总结后的答案。很多 Chat GPT 中调用插件才能解决的事情(联网查询、旅行、住宿、商品推荐)靠 Perplexity 就可以解决了。能给出信息来源网址,根据搜索内容给出继续对话的问题建议。支持筛选 Academic(包含不同领域的学术研究论文)、Wolfram|Alpha(包含数学、科学、经济学、语言学、工程学、社会科学、文化等领域的知识库)、Wikipedia(维基百科)、Youtube、Reddit(娱乐、社交和新闻网站)、News 进行搜索。访问地址: 。但要注意不要在开着浏览器翻译能力的同时使用,很可能会报错。另外,不使用 Copilot 能力的效果比较灾难,无法给出具体的酒店建议,只是列举了几个可以查酒店的渠道。
2025-02-22
2024 年值得关注的中文大模型全景图
2024 年,AI 大模型在生产和生活中落地速度迅猛,被称为国内大模型落地元年。以下是一些值得关注的情况: 国内大模型行业形成了以百度、阿里、字节等科技大厂和创业“AI 六小虎”为主要玩家的竞争格局。 2024 年 1 至 11 月,国内大模型中标项目数量和金额大幅增长,中标项目共 728 个,是 2023 年全年的 3.6 倍;中标金额 17.1 亿元,是 2023 年全年的 2.6 倍。中标项目数前五的行业分别是运营商、能源、教育、政务、金融。 厂商方面,百度以 40 个中标项目数、2.74 亿元的中标金额排名所有厂商之首,科大讯飞居第二。 在金融行业,百度以 14 个中标数量、3734.4 万元中标金额排名第一;科大讯飞居第二。 在智能终端行业,超半数手机厂商都在使用文心大模型,包括三星、荣耀、vivo、OPPO、小米等主流手机品牌;上汽大众、吉利汽车、蔚来汽车、长安汽车等十余家车企已接入百度文心大模型。 百度表现突出,截至 11 月,其文心大模型日均调用量超过 15 亿次,千帆平台帮助客户精调了 3.3 万个模型、开发了 77 万个企业应用。今年三季度财报披露,百度智能云营收达 49 亿元,同比增长 11%。 2024 年 9 月 AI 行业大事记: 9 月 12 日:李继刚再现神级 Prompt,玩法持续翻新;Mistral 发布首个多模态模型 Pixtral 12B。 9 月 13 日:商汤 Vimi 相机开放微博小程序;元象开源中国最大 MoE 大模型 XVERSEMoEA36B;OpenAI 发布 o1 模型。 9 月 14 日:人工智能生成合成内容标识办法;Jina AI 发布 ReaderLM、Jina Embeddings V3。 9 月 18 日:DeepSeek 发文庆祝登上 LMSYS 榜单国产第一,几小时后 Qwen 新模型表示不服。 9 月 19 日:云栖大会;通义万相 AI 生视频上线;快手可灵 1.5 模型新增运动笔刷能力。 9 月 20 日:腾讯元器智能体对外发布;秘塔科技产品经理 JD 走红 AI 圈;阶跃跃问接入 Step2 万亿参数 MoE 语言大模型。 9 月 21 日:大模型测试基准研究组正式成立。 9 月 23 日:钉钉 365 会员上线。 9 月 24 日:讯飞星火 API 全新升级;豆包大模型全系列发布&更新。 9 月 25 日:Vidu API 正式开放,加速企业级视频创作;OpenAI 发布高级语音功能;西湖心辰开源 WestlakeOmni。 大模型进入产业落地后,除了大模型本身能力质量要过硬外,落地应用所需要的全栈技术能力、工程化配套工具等对落地效果有直接影响。企业想要真正将大模型在自身场景落地,需要具备构建算力、数据治理、模型训练、场景落实、应用搭建、持续运营、安全合规等整套能力,大模型的竞争正在加速成为体系化之战。
2025-02-21