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

ai算法种类

Answer

以下是一些常见的 AI 算法种类：

  • 分类算法：如 Categorization Algorithms、Classification Model 等。
  • 聚类方法：如 Cluster Resolution Feature Selection、Cluster-Based Splitting、Clustering Methods 等。
  • 动态规划：如 Dynamic Programming 。
  • 超参数相关：如 Hyperparameter Opimization、Hyperparameters 。
  • 图像相关：如 Image And Speech Recognition、Image Classification、Image Classifier、Image Recognition 。
  • 其他：如 Combined Gradient、Dual Algorithm、Dual Problem 等。
Content generated by AI large model, please carefully verify (powered by aily)

References

AI术语库-人工标注版

|术语ID|原文|译文|领域|易混淆|缩写|不需要提醒||-|-|-|-|-|-|-||ROW()-1|Categorical Data|分类数据|AI|||||ROW()-1|Categorization Algorithms|分类算法|AI|||||ROW()-1|ChemDataExtractor|化学数据提取器|AI|||||ROW()-1|Chi-Squared|卡方（分布）|AI|||||ROW()-1|Classification Model|分类模型|AI|||||ROW()-1|Cluster Resolution Feature Selection|聚类分辨率特征选择|AI|||||ROW()-1|Cluster-Based Splitting|基于聚类的分离方法|AI|||||ROW()-1|Clustering Methods|聚类方法|AI|||||ROW()-1|Code Pipeline|代码流水线|AI|||||ROW()-1|Coefficient of Determination|决定系数|AI|||||ROW()-1|Combined Gradient|组合梯度（算法）|AI|||||ROW()-1|Complex Data|复合数据|AI||||

AI术语库-人工标注版

|术语ID|原文|译文|领域|易混淆|缩写|不需要提醒||-|-|-|-|-|-|-||ROW()-1|Dropout|Dropout|AI|1||||ROW()-1|Dropout Boosting|Dropout Boosting|AI|||||ROW()-1|Dropout Mask|Dropout Mask|AI|||||ROW()-1|Dropout Method|Dropout方法|AI|||||ROW()-1|Dual Algorithm|对偶算法|AI|1||||ROW()-1|Dual Problem|对偶问题|AI|1||||ROW()-1|Dummy Node|哑结点|AI|1||||ROW()-1|Dying ReLU Problem|死亡ReLU问题|AI|1||||ROW()-1|Dynamic Bayesian Network|动态贝叶斯网络|AI|||||ROW()-1|Dynamic Computational Graph|动态计算图|AI|||||ROW()-1|Dynamic Fusion|动态融合|AI|||||ROW()-1|Dynamic Programming|动态规划|AI|||||ROW()-1|Dynamic Structure|动态结构|AI||||

AI术语库-人工标注版

|术语ID|原文|译文|领域|易混淆|缩写|不需要提醒||-|-|-|-|-|-|-||ROW()-1|Hybrid-Neural Model|混合神经模型|AI|1||||ROW()-1|Hyperparameter Opimization|超参数优化|AI|1||||ROW()-1|Hyperparameters|超参数|AI|||||ROW()-1|Hyperplanes Separate|超平面分离|AI|1||||ROW()-1|Id3 Algorithm|Id3算法|AI|1||||ROW()-1|Image And Speech Recognition|图像和语音识别|AI|1||||ROW()-1|Image Classification|图像分类|AI|1||||ROW()-1|Image Classifier|图像分类器|AI|1||||ROW()-1|Image Recognition|图像识别|AI|1||||ROW()-1|Informative Priors|信息先验|AI|1||||ROW()-1|Input-Output Pairs|输入输出对|AI|1||||ROW()-1|Instance-Based|基于实例的|AI|1|||

Others are asking
如何学习ai编程？
以下是学习 AI 编程的一些建议： 1. 从基础开始：以“Hello World”为起点，验证编程环境，建立信心，理解基本概念，形成“理解→实践→问题解决→加深理解”的学习循环。 2. 选择流行的语言和框架：例如 React、Next.js、TailwindCSS 等。 3. 采用迭代方法：先运行代码，再进行优化，小步迭代，一次解决一个小功能。 4. 借助 AI 辅助理解：让 AI 对生成的代码进行注释或解释。 5. 解决问题的步骤：遇到问题时，按照复现、精确描述、回滚的步骤进行处理。 6. 明确人工主导地位：AI 是强大的工具，但仍需人工主导，掌握每次可运行的小成果以实现持续提升。 此外，还可以参考以下课程内容： 1. 《和 Cursor AI 一起学 Python 编程 进行远程编程，注册和登录 Bohrium 账户，在线编写和运行代码，完成第一个 Python 程序的运行。该课程的教学目标是了解 Python 对于人文学科的意义，掌握 Cursor 和 Jupyter Notebook 编程环境的基本使用，能够在本地和云端运行简单的 Python 代码，体验 AI 技术如何辅助编程和学习。 同时，了解一些 AI 应用开发的知识也有帮助，比如 Code AI 应用的背景和现状，以及以证件照为例的应用案例，学习创建 AI 应用的操作界面、业务逻辑和用户界面等。 原文链接：
2025-01-19
目前ai搜索功能最强的是什么模型
目前在 AI 搜索功能方面，Meta 于 2024 年 7 月 23 日发布的源模型 Llama 3.1 表现较为出色，其包含 8B、70B 和 405B 三个版本，其中 405B 是迄今为止最强大的模型，性能与 GPT4 和 Claude 3.5 相当。 在 AI 时代，搜索引擎结合大模型极大地增强了自身能力，比较优秀的公司有秘塔搜索（https://metaso.cn/）和 Perplexity（https://www.perplexity.ai/?loginsource=oneTapHome）。 AI 搜索结合了多种能力，如 fine tuning、实时联网查询和查询知识源等，能够为用户整理出想要的内容，一些 AI 搜索平台专注于特定领域，如为程序员提供代码搜索。 RAG 是一种通过引用外部数据源为模型做数据补充的方式，适用于动态知识更新需求高的任务，其原理是在基础大模型基础上引用外部数据，对搜索到的数据信息进行切片、拆分和语义理解，再根据用户提问进行检索和回答，但比基座模型更耗时，且能够支持在本地运行。 多模态大模型具有多种能力，像能唱会跳、精通多种技能的机器人，能看见、听见、思考、说话，例如能识别物体、听取指令等。生成式模型和决策式模型有所区别，决策式模型偏向逻辑判断，按预设程序固定输出；生成式模型偏随机性，能动态组合并结构化呈现，如在图像识别中，决策式模型返回关键词，生成式模型用语言表达结构化信息。
2025-01-19
如何用Ai学好数学
以下是一些利用 AI 学好数学的方法和建议： 1. 自适应学习系统：使用如 Khan Academy 这样结合了 AI 技术的自适应学习系统，它能为您提供个性化的数学学习路径和练习题，并根据您的能力和需求进行精准推荐。 2. 智能题库和作业辅助：利用像 Photomath 这样的智能题库和作业辅助工具，通过图像识别和数学推理技术为您提供数学问题的解答和解题步骤。 3. 虚拟教学助手：使用如 Socratic 这样的虚拟教学助手，借助 AI 技术为您解答数学问题、提供教学视频和答疑服务，帮助您理解和掌握数学知识。 4. 交互式学习平台：参与如 Wolfram Alpha 这样的交互式学习平台的数学学习课程和实践项目，利用 AI 技术进行数学建模和问题求解。 此外，要成为机器学习领域的专家并利用数学知识，您至少需要了解概率、统计、线性代数、微积分和图论方面的知识。有了具体的数学知识，您可以为数据集选择最佳算法，利用正则化器背后的数学知识解决模型过拟合或高方差问题，利用图论的知识分析数据特征之间更复杂的关系，利用优化器背后的数学知识设计适当的成本函数。 请注意，以上内容由 AI 大模型生成，请仔细甄别。
2025-01-19
如何更好的使用Ai
以下是关于如何更好地使用 AI 的一些建议： 英语学习方面： 1. 利用智能辅助工具，如 Grammarly 进行英语写作和语法纠错，提升写作能力。 2. 借助语音识别应用，如 Call Annie 进行口语练习和发音纠正，获取实时反馈。 3. 选用自适应学习平台，如 Duolingo 为您定制学习计划，提供个性化内容和练习。 4. 运用智能导师和对话机器人，如 ChatGPT 进行英语会话练习和模拟对话，增强交流能力和语感。 数学学习方面： 1. 使用自适应学习系统，如 Khan Academy 为您提供个性化学习路径和练习题，精准推荐。 2. 利用智能题库和作业辅助工具，如 Photomath 提供数学问题的解答和解题步骤。 3. 借助虚拟教学助手，如 Socratic 解答数学问题、提供教学视频和答疑服务。 4. 参与交互式学习平台，如 Wolfram Alpha 的数学学习课程和实践项目，进行数学建模和问题求解。 法律领域使用 AI 的技巧： 1. 对于数据分析等任务，将各环节分开处理，针对每个环节优化 AI 性能，便于发现和修正问题。 2. 针对复杂问题，采用逐步深化和细化的提问方式，先提出宽泛问题，再根据回答进一步细化。 3. 为 AI 提供参考和学习内容，包括操作指南、行业最佳实践、案例研究等，并编写详细流程和知识。 4. 在 Prompt 中使用法律术语引导 AI 回答方向。 5. 对 AI 的回答进行交叉验证，结合自身专业知识筛选和判断，确保符合法律伦理、立法目的和实务。 教师使用 AI 的技巧： 1. 提示语的核心是逻辑，将复杂任务拆分成科学合理的步骤，让前一步结果成为后一步基础。 2. 很多 AI 网站可以创建“智能体”，预先写好提示词，像编程一样详细设定操作步骤，方便反复使用和优化。 3. 建议找个空闲日，列出日常工作，寻找哪些工作部分可被 AI 加速。 需要注意的是，AI 系统通常需要大量数据和示例来学习和理解任务结构，提供高质量的参考材料和学习内容是提高 AI 性能的关键。同时，大模型的语料存在一定滞后性，使用 AI 回答后要进行交叉验证，确保信息准确性。
2025-01-19
说话生成文字的AI软件
以下是一些说话生成文字的 AI 软件推荐： Eleven Labs：https://elevenlabs.io/ ，是一款功能强大且多功能的 AI 语音软件，使创作者和出版商能够生成逼真、高品质的音频。人工智能模型能够高保真地呈现人类语调和语调变化，并能够根据上下文调整表达方式。 Speechify：https://speechify.com/ ，是一款人工智能驱动的文本转语音工具，使用户能够将文本转换为音频文件。它可作为 Chrome 扩展、Mac 应用程序、iOS 和 Android 应用程序使用，可用于收听网页、文档、PDF 和有声读物。 Azure AI Speech Studio：https://speech.microsoft.com/portal ，Microsoft Azure Speech Studio 是一套服务，它赋予应用程序能力，让它们能够“听懂、理解并与客户进行对话”。该服务提供了支持 100 多种语言和方言的语音转文本和文本转语音功能。此外，它还提供了自定义的语音模型，这些模型能够适应特定领域的术语、背景噪声以及不同的口音。 Voicemaker：https://voicemaker.in/ ，AI 工具可将文本转换为各种区域语言的语音，并允许您创建自定义语音模型。Voicemaker 易于使用，非常适合为视频制作画外音或帮助视障人士。 以下是一些文字生成视频的 AI 产品： Pika：擅长动画制作，并支持视频编辑。 SVD：如果熟悉 Stable Diffusion，可以直接安装这款最新的插件，在图片基础上直接生成视频。这是由 Stability AI 开源的 video model。 Runway：老牌 AI 视频生成工具，提供实时涂抹修改视频的功能，但需要收费。 Kaiber：视频转视频 AI，能够将原视频转换成各种风格的视频。 Sora：由 OpenAI 开发，可以生成长达 1 分钟以上的视频。 以下是一些人工智能音频初创公司： ：为所有人提供开放的语音技术。 ：基于 AI 的语音引擎能够模仿人类语音的情感和韵律。 ：基于 NLP 的最先进文本和音频编辑平台，内置数百种 AI 声音。 ：使用突触技术和脑机接口将想象的声音转化为合成 MIDI 乐器的脑控仪器。 ：为出版商和创作者开发最具吸引力的 AI 语音软件。 ：Wondercraft 使用户能够使用文本转语音技术生成播客。 ：基于生成机器学习模型构建内容创作的未来。 ：从网页仪表板或 VST 插件生成录音室质量的 AI 声音并训练 AI 语音模型。 ：演员优先、数字双重声音由最新的 AI 技术驱动，确保它们高效、真实和符合伦理。 请注意，以上内容由 AI 大模型生成，请仔细甄别。更多相关工具和信息可以查看：https://www.waytoagi.com/sites/category/50 、https://www.waytoagi.com/category/38 。
2025-01-19
文生成图的ai工具
以下是一些文生成图的 AI 工具： 1. DALL·E：由 OpenAI 推出，能根据输入的文本描述生成逼真的图片。 2. StableDiffusion：开源的文生图工具，可生成高质量图片，支持多种模型和算法。 3. MidJourney：因高质量的图像生成效果和用户友好的界面设计而受欢迎，在创意设计人群中流行。 您还可以在 WaytoAGI 网站（https://www.waytoagi.com/category/104 ）查看更多文生图工具。 如果您想将小说做成视频，可以参考以下步骤和工具： 步骤：通常包括文本分析、角色与场景生成、视频编辑与合成等。 工具与网址： 1. Stable Diffusion（SD）：AI 图像生成模型，基于文本描述生成图像。网址：https://github.com/StabilityAI 2. Midjourney（MJ）：适用于创建小说中的场景和角色图像。网址：https://www.midjourney.com 3. Adobe Firefly：Adobe 的 AI 创意工具，可生成图像和设计模板。网址：https://www.adobe.com/products/firefly.html 4. Pika AI：文本生成视频的 AI 工具，适合动画制作。网址：https://pika.art/waitlist 5. Clipfly：一站式 AI 视频生成和剪辑平台。网址：https://www.aihub.cn/tools/video/clipfly/ 6. VEED.IO：在线视频编辑工具，具有 AI 视频生成器功能。网址：https://www.veed.io/zhCN/tools/aivideo 7. 极虎漫剪：结合 Stable Diffusion 技术的小说推文视频创作提效工具。网址：https://tiger.easyartx.com/landing 8. 故事 AI 绘图：小说转视频的 AI 工具。网址：https://www.aihub.cn/tools/video/gushiai/
2025-01-19
不同厂家的AI产品是底层算法不一样吗？比如ChatGPT和豆包
不同厂家的 AI 产品底层算法通常是不一样的。 以常见的 ChatGPT 和豆包为例，ChatGPT 是由 OpenAI 开发的，其底层算法具有独特的特点和优势。而豆包是由字节跳动开发的，也有其自身的算法设计和优化。 在当前的 AI 领域，大多数 AI 应用程序都由大型语言模型（LLMs）驱动，其中只有几个基础模型，由少数几个组织创建。例如 OpenAI 制作了 GPT3.5 和 GPT4，Google 有 Bard 等。 从相关的访问量数据来看，不同的 AI 产品在市场上的表现也有所不同。比如在某些月份，ChatGPT 的访问量较高，而豆包的访问量也在不断变化。但这并不能直接反映其底层算法的差异，只是从侧面反映了它们在用户中的受欢迎程度和使用情况。
2025-01-17
我想知道目前最新、效果最好、代码和模型开源的动作捕捉算法，也叫做人体姿态估计，是哪篇文章
目前最新、效果较好且代码和模型开源的人体姿态估计（动作捕捉算法）相关的研究有以下两篇： 1. 【SD】最强手部识别，controlnet 新预处理器 dw openpose 作者：白马少年｜公众号：【白马与少年】 发布时间：20230813 20:00 原文网址：https://mp.weixin.qq.com/s/_RiKxWy9MXt4DUJIKH5w 介绍：在 controlnet 中，手部识别一直使用的是 openpose 预处理器，但复杂手势有时无法识别。新的 dw openpose 预处理器能完美解决手部识别问题，将其放入特定目录即可使用。但需说明的是，目前这个 DW Pose 只是更精确的 openpose 预处理器，未对 ControlNet 的 openpose 模型做改动。 2. YOLONAS Pose：一个开源的实时人体姿态估计模型 应用场景：基于骨骼标记为基础，适用于智慧体育等场景，可对训练过程的姿态、数据、状态等进行统计和管理。 技术类型：视频、AI 学习模型 简介：主要功能是识别图片和视频中人的姿势，能快速处理图像并实时返回姿态数据，适应不同场景和设备。 主要特点： 实时性能：旨在提供实时的姿态估计，适用于需要即时反馈的应用。 高精度：利用神经网络架构搜索（NAS）提高姿态估计的准确性。 优化的网络结构：NAS 自动测试不同网络结构，找到最优模型。
2024-12-31
模态分解算法的详细代码
很抱歉，目前知识库中没有模态分解算法的详细代码。但您可以通过以下途径获取相关代码： 1. 学术研究网站，如 arXiv 等，许多学者会在上面分享他们的研究成果及代码。 2. 相关的开源代码库，如 GitHub 等，您可以通过搜索关键词找到相关项目。 3. 专业的技术论坛，在那里与其他开发者交流，可能会获得有用的信息和代码示例。
2024-12-30
数据算法算力
以下是关于数据、算法、算力的相关知识： 数据：数据的质量对于生成理想的大模型至关重要，早期大模型存在使用不太合规数据等导致乱说的情况。 算法：算法有技术架构的迭代，如英伟达的显卡辅助模型训练。 算力：算力的字面意思是计算能力，可以直接转化成 GPU 就是算力，电脑里的显卡就是 GPU。一张显卡除了 GPU 外，还有一个很重要的参数是显存。GPU 是一种专门在个人电脑、工作站、游戏机和一些移动设备上做图像和图形相关运算工作的微处理器，其诞生源自对 CPU 的减负，使显卡减少了对 CPU 的依赖，并进行部分原本 CPU 的工作。显存的作用是用来存储显卡芯片处理过或者即将提取的渲染数据。GPU 的生产商主要有 NVIDIA 和 ATI。
2024-12-27
监控视频算法
很抱歉，目前知识库中没有关于监控视频算法的相关内容。但一般来说，监控视频算法涵盖了目标检测、跟踪、行为分析等多个方面。常见的算法包括基于深度学习的目标检测算法，如 YOLO 和 SSD 等，用于识别视频中的人物、车辆等目标；还有基于光流的目标跟踪算法，用于持续跟踪目标的运动轨迹；在行为分析方面，会运用模式识别和机器学习算法来判断异常行为等。如果您能提供更具体的需求，我可以为您提供更有针对性的信息。
2024-12-21
wifi和相机融合目标检测算法
图像融合是将两个或多个图像合成为一个新的图像，以获取比原始图像更全面和丰富的信息。可通过像素级融合、特征级融合和决策级融合等技术实现，在提高图像质量、增加信息量、遥感图像处理及计算机视觉和机器人技术中均有多种用途。 目标检测是计算机视觉领域的重要任务，旨在图像或视频中准确识别和定位特定对象。随着多模态数据的广泛应用，将不同模态信息融合能进一步提升目标检测的性能和鲁棒性。 图像融合和目标检测均是计算机视觉领域的重要技术，在多个领域有广泛应用前景和研究价值。 图像融合的大致原理是将多个不同图像合并成新图像以获得更准确、全面的信息，相关算法有小波变换、基于金字塔变换的多分辨率融合、基于区域的图像融合、基于特征的图像融合等。 目标检测的大致原理是在图像中找到特定目标并进行定位和识别，相关算法有基于深度学习的目标检测算法（如 RCNN、Fast RCNN、Faster RCNN、YOLO、SSD 等）、基于传统计算机视觉技术的目标检测算法（如 HOG、SIFT、SURF 等）。
2024-12-10
ai模型种类
以下是一些常见的 AI 模型： OpenAI 模型： GPT4 Beta：一组改进 GPT3.5 的模型，可以理解和生成自然语言或代码。 GPT3.5：一组改进 GPT3 的模型，可以理解并生成自然语言或代码。 DALL·E Beta：可以在给定自然语言提示的情况下生成和编辑图像的模型。 Whisper Beta：可以将音频转换为文本的模型。 Embeddings：一组可以将文本转换为数字形式的模型。 Codex Limited Beta：一组可以理解和生成代码的模型，包括将自然语言转换为代码。 Moderation：可以检测文本是否敏感或不安全的微调模型。 GPT3：一组可以理解和生成自然语言的模型。 智谱·AI 模型： WebGLM10B：利用百亿参数通用语言模型（GLM）提供高效、经济的网络增强型问题解答系统。 WebGLM2B MathGLM2B：在训练数据充足的情况下，20 亿参数的 MathGLM 模型能够准确地执行多位算术运算，准确率几乎可以达到 100%。 MathGLM500M MathGLM100M MathGLM10M MathGLMLarge：采用 GLM 的不同变体作为骨干来训练 MathGLM。 ProductHunt 2023 年度最佳产品榜单中的模型： GPT4（免费可用）：与人类水平相当的 LLM，是 OpenAI 在深度学习规模扩大方面的最新里程碑，是一个大型多模态模型（接受图像和文本输入，输出文本），在各种专业和学术基准测试中表现出与人类相当的水平。 Midjourney v5（免费）：最新、最先进的模型，具有极高的一致性，擅长以更高分辨率解释自然语言 prompt，并支持像使用 tile 这样的重复图案等高级功能。 DALL·E 3（免费可用）：代表了生成完全符合文本的图像能力的一大飞跃。 Mistral 7B（免费）：是一个具有 73 亿参数的模型，在所有基准测试上超越了 Llama 2 13B，在许多基准测试上超越了 Llama 1 34B，在代码任务上接近 CodeLlama 7B 的性能，同时在英语任务上表现良好。
2024-12-19
我是一个投资人，我想针对每个项目建立知识库，类似一个个对话的形式，我把关于某个项目的材料全部丢进一个对话中，然后可以针对每个项目进行提问，或者要求AI帮我产出某种类型的文件。哪个App可以最好的满足我的需求？
以下是一些可能满足您需求的 App 选项： 1. WaytoAGI 网站： 提供和 AI 知识库对话的功能，您可以在此询问任何关于 AI 的问题。 集合了精选的 AI 网站，方便您按需求找到适合的工具。 有精选的 AI 提示词，可复制到 AI 对话网站使用。 会将每天知识库的精华内容呈现给大家。 2. 阿里千问模型：可以作为 AI 模型用于问答机器人的配置。 在配置问答机器人时，需要注意模型、提示词和知识库的协同作用。模型就像拥有无穷智慧的人，提示词能设定其角色和专注技能，知识库则如同工作手册，为其提供特定项目的详细信息。
2024-12-17
智谱清言的开源大模型哪些种类
智谱清言的开源大模型种类包括： 多模态模型： CogAgent18B：基于 CogVLM17B 改进的开源视觉语言模型，拥有 110 亿视觉参数和 70 亿语言参数，支持 11201120 分辨率的图像理解，具备 GUI 图像的 Agent 能力。代码链接：、始智社区。 CogVLM17B：强大的开源视觉语言模型（VLM），在多模态权威学术榜单上综合成绩优异。代码链接：。 Visualglm6B：开源的支持图像、中文和英文的多模态对话语言模型，语言模型基于 ChatGLM6B，具有 62 亿参数；图像部分通过训练 BLIP2Qformer 构建起视觉模型与语言模型的桥梁，整体模型共 78 亿参数。代码链接：。 RDM：Relay Diffusion Model，级联扩散模型，可以从任意给定分辨率的图像快速生成，而无需从白噪声生成。代码链接：。 此外，智谱清言是智谱 AI 和清华大学推出的大模型产品，基础模型为 ChatGLM 大模型。2023 年 10 月 27 日，智谱 AI 于 2023 中国计算机大会（CNCC）上，推出了全自研的第三代基座大模型 ChatGLM3 及相关系列产品。智谱清言在工具使用排名国内第一，在计算、逻辑推理、传统安全能力上排名国内前三。总体来看，智谱清言更擅长专业能力，但在代码能力上还有一定优化空间，知识百科与其他第一梯队模型相比稍显不足。综合来看，智谱清言是一个很有竞争力的大模型。可应用的场景相对广泛，根据 SuperCLUE 测评结果，优先推进在 AI 智能体方面相关的应用，包括任务规划、工具使用及一些长文本记忆相关的场景。另外在较复杂推理应用上的效果会比较不错，在广告文案、文学写作方面也是一个很好的选择。
2024-11-04
通义千问开源大模型种类
通义千问开源了多种大模型，其中 Qwen 2 模型性能超越目前所有开源模型和国内闭源模型。以下是相关信息： 性能突破：在中国大模型领域，开源模型显示出超越最强闭源模型的势头，从性能到生态都具备了媲美美国 Llama3 的能力。开源模型用实力证明其正在变得越来越强。 开源历程：2023 年 8 月，阿里云成为国内首个宣布开源自研模型的科技企业，推出通义千问第一代开源模型 Qwen；2024 年 2 月，1.5 代开源模型 Qwen1.5 发布；不到 4 个月后，Qwen2 开源。不到一年时间，通义先后开源数十款不同尺寸的模型，包括大语言模型、多模态模型、混合专家模型、代码大模型。 性能特点：Qwen 2 包括 5 种尺寸的预训练和指令调整模型，如 Qwen20.5B、Qwen21.5B、Qwen27B、Qwen257BA14B 和 Qwen272B。除英语和中文外，还接受过另外 27 种语言的数据训练，在大量基准评估中表现出最先进的性能，代码和数学性能显著提高，全面超越 llama3，增大了上下文长度支持。相比 Qwen1.5，Qwen2 实现了整体性能的代际飞跃。在国际权威测评中，Qwen272B 获十几项世界冠军，超过美国的 Llama3。 体验和下载：Qwen2 系列已上线魔搭社区 ModelScope 和阿里云百炼平台，开发者可在魔搭社区体验、下载模型，或通过阿里云百炼平台调用模型 API。同时，Qwen272binstruct 模型已经上线中国大语言模型评测竞技场 Compass Arena，所有人都可以登录体验 Qwen2 的性能，或者选择 Qwen2 模型与其他大模型进行对比测评。测评地址为。Compass Arena 是由上海人工智能实验室和魔搭社区联合推出的大模型测评平台，集齐了国内主流的 20 多款大模型。 您还可以通过玉宝搞的 LLM 在线评估（https://www.llmrank.cn/）查看国内各个闭源大模型的 HUMANEVAL 测评得分，并与 QWEN2 对比。
2024-11-04
国内现在有哪些集成了多个种类AI的平台
国内集成了多个种类 AI 的平台有： 1. 腾讯元宝：相对较晚推出，但凭借独特优势在市场上站稳脚跟。其最大亮点是强大的 AI 搜索功能，能访问大量微信生态系统内的私域资源，包括微信公众号的内容和腾讯内部、互联网上的其他优秀资源。还依托腾讯“混元”大语言模型生成高质量内容，是 GPT Search 的良好替代选择，尤其适合需要访问中文内容和微信生态系统信息的用户。 2. 目前有创业公司在模仿国外的模型市场模式，如 HuggingFace，但尚未有接近的成果。 此外，在健身领域有以下 AI 产品： 1. Keep：中国最大的健身平台，提供全面的健身解决方案。 2. Fiture：集硬件、丰富课程内容、明星教练和社区于一体。 3. Fitness AI：利用人工智能进行锻炼，增强力量和速度。 4. Planfit：健身房家庭训练与 AI 健身计划，AI 教练使用 800 多万条文本数据和 ChatGPT 实时提供指导。
2024-09-14