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

吴恩达系列课程

Answer

以下是关于吴恩达系列课程的相关信息：

  • 面向开发者的 LLM 入门课程：
    • 地址：https://github.com/datawhalechina/prompt-engineering-for-developers
    • 简介：一个中文版的大模型入门教程，围绕吴恩达老师的大模型系列课程展开，包括吴恩达《ChatGPT Prompt Engineering for Developers》课程中文版、《Building Systems with the ChatGPT API》课程中文版、《LangChain for LLM Application Development》课程中文版等。
  • 提示工程指南：
    • 地址：https://www.promptingguide.ai/zh
    • 简介：该项目基于对大语言模型的浓厚兴趣，编写了这份全新的提示工程指南，介绍了大语言模型相关的论文研究、学习指南、模型、讲座、参考资料、大语言模型能力以及与其他与提示工程相关的工具。
  • LangChain🦜️🔗中文网，跟着 LangChain 一起学 LLM/GPT 开发：
    • 地址：https://www.langchain.asia
    • 简介：Langchain 的中文文档，由两个在 LLM 创业者维护，希望帮助到刚进入 AI 应用开发的朋友们。
  • LLM 开源中文大语言模型及数据集集合中的 LLM 九层妖塔：

吴恩达讲 Prompt 相关课程：

  • 谷歌/百度 AI 部门负责人吴恩达和 OpenAI 合作推出了免费的 Prompt Engineering（提示工程师）课程。课程主要内容是教您书写 AI 提示词，并且最后会教您利用 GPT 开发一个 AI 聊天机器人。
    • 原版网址：https://www.deeplearning.ai/short-courses/chatgpt-prompt-engineering-for-developers/
    • B 站版本：【合集·AI Course-哔哩哔哩】https://b23.tv/ATc4lX0 、https://b23.tv/lKSnMbB
    • 翻译版本：来自 twitter 博主歸藏
    • 推荐直接使用 Jupyter 版本学习，效率更高：https://github.com/datawhalechina/prompt-engineering-for-developers/
    • 吴恩达和 Open AI 合作的提示工程课程一共 9 集全部已经翻译完成，并且改成了双语字幕，字幕文件也已经上传了。
    • 视频下载地址：https://pan.quark.cn/s/77669b9a89d7
    • OpenAI 开源了教程：https://islinxu.github.io/prompt-engineering-note/Introduction/index.html
    • 纯文字版本：

2023 年 8 月 24 日历史更新（归档）：

  • 吴恩达最新的《微调大语言模型》短课程上线，课程内容包括了解何时对 LLM 应用微调、准备数据以进行微调、根据您自己的数据训练和评估 LLM。
  • 《基于大语言模型的 AI Agents（第一部分）》非常深入浅出地介绍了基于大语言模型的 AI Agents，从记忆检索到决策推理，再到行动顺序的选择，真实展现了 Agent 的智能化进程。
  • 在一图胜千言中添加了一张图片，来自 X 上@cristobal_dev 的分享《构建 AI 应用程序的 5 个基本部分》，用一张清晰、具有美感的图片展示了 Models、Prompt Templates、Chains、Agent 和 Multi-Agent 之间的关系。
  • 《周伯文：下一代大模型 OS，工具和语言缺一不可》，周伯文是清华大学讲席教授、衔远科技创始人，也是前京东集团高级副总裁，他在 GAIR 2023 论坛上发表了自己对未来的看法：AI 未来将融合语言与工具智能，实现人工智能在复杂场景下的应用。
Content generated by AI large model, please carefully verify (powered by aily)

References

LLM开源中文大语言模型及数据集集合

面向开发者的LLM入门课程：地址：[https://github.com/datawhalechina/prompt-engineering-for-developers](https://github.com/datawhalechina/prompt-engineering-for-developers)简介：一个中文版的大模型入门教程，围绕吴恩达老师的大模型系列课程展开，主要包括：吴恩达《ChatGPT Prompt Engineering for Developers》课程中文版，吴恩达《Building Systems with the ChatGPT API》课程中文版，吴恩达《LangChain for LLM Application Development》课程中文版等。提示工程指南:地址：[https://www.promptingguide.ai/zh](https://www.promptingguide.ai/zh)简介：该项目基于对大语言模型的浓厚兴趣，编写了这份全新的提示工程指南，介绍了大语言模型相关的论文研究、学习指南、模型、讲座、参考资料、大语言模型能力以及与其他与提示工程相关的工具。LangChain🦜️🔗中文网，跟着LangChain一起学LLM/GPT开发：地址：[https://www.langchain.asia](https://www.langchain.asia/)简介：Langchain的中文文档，由是两个在LLM创业者维护，希望帮助到从刚进入AI应用开发的朋友们。LLMs九层妖塔：地址：[https://github.com/km1994/LLMsNineStoryDemonTower](https://github.com/km1994/LLMsNineStoryDemonTower)简介：ChatGLM、Chinese-LLaMA-Alpaca、MiniGPT-4、FastChat、LLaMA、gpt4all等实战与经验。

目录：吴恩达讲Prompt

谷歌/百度AI部门负责人吴恩达和OpenAI合作推出了免费的Prompt Engineering（提示工程师）课程。课程主要内容是教你书写AI提示词，并且最后会教你利用GPT开发一个AI聊天机器人。原版网址：https://www.deeplearning.ai/short-courses/chatgpt-prompt-engineering-for-developers/B站版本：【合集·AI Course-哔哩哔哩】https://b23.tv/ATc4lX0https://b23.tv/lKSnMbB翻译版本：[来自twitter博主歸藏](https://twitter.com/op7418?s=21&t=F6BXooLyAyfvHbvr7Vw2-g)推荐直接使用Jupyter版本学习，效率更高：https://github.com/datawhalechina/prompt-engineering-for-developers/吴恩达和Open AI合作的提示工程课程一共9集全部已经翻译完成，并且改成了双语字幕，字幕文件也已经上传了。视频下载地址：https://pan.quark.cn/s/77669b9a89d7OpenAI开源了教程：https://islinxu.github.io/prompt-engineering-note/Introduction/index.html纯文字版本：

2023 年历史更新（归档）

吴恩达最新的《[微调大语言模型](https://www.deeplearning.ai/short-courses/finetuning-large-language-models/)》短课程上线了，课程内容包括了：了解何时对LLM应用微调、准备数据以进行微调、根据你自己的数据训练和评估LLM；《[基于大语言模型的AI Agents（第一部分）](https://waytoagi.feishu.cn/record/1sfvukQ7xWHr1qo2grGFYIbrO)》非常深入浅出地介绍了基于大语言模型的AI Agents，从记忆检索到决策推理，再到行动顺序的选择，真实展现了Agent的智能化进程。期待接下来的系列分享，让我们进一步探索AI Agents的最新技术边界；在[一图胜千言](https://waytoagi.feishu.cn/wiki/PFXnwBTsEiGwGGk2QQFcdTWrnlb?table=tblyh76bHrCi4PXq&view=vewUunvDn1)中添加了上文中提及的一张图片，来自X上@cristobal_dev的分享《[构建AI应用程序的5个基本部分](https://waytoagi.feishu.cn/record/1sfvuWfsOBoS3LMpgvUeYx1yf)》，用一张清晰、具有美感的图片展示了Models、Prompt Templates、Chains、Agent和Multi-Agent之间的关系；《[周伯文：下一代大模型OS，工具和语言缺一不可](https://waytoagi.feishu.cn/record/1sfvuOSP7QYszqbidiJyRtx04)》，周伯文是清华大学讲席教授、衔远科技创始人，也是前京东集团高级副总裁，他在GAIR 2023论坛上发表了自己对未来的一个看法：AI未来将融合语言与工具智能，实现人工智能在复杂场景下的应用；

Others are asking
吴恩达AI课程
以下是关于吴恩达 AI 课程的相关信息： 吴恩达和 OpenAI 合作推出了免费的 Prompt Engineering（提示工程师）课程。课程主要内容是教您书写 AI 提示词，最后会教您利用 GPT 开发一个 AI 聊天机器人。 原版网址：https://www.deeplearning.ai/shortcourses/chatgptpromptengineeringfordevelopers/ B 站版本： 【合集·AI Course哔哩哔哩】https://b23.tv/ATc4lX0 https://b23.tv/lKSnMbB 翻译版本： 推荐直接使用 Jupyter 版本学习，效率更高：https://github.com/datawhalechina/promptengineeringfordevelopers/ 课程一共 9 集全部已经翻译完成，并且改成了双语字幕，字幕文件也已经上传了。 视频下载地址：https://pan.quark.cn/s/77669b9a89d7 OpenAI 开源了教程：https://islinxu.github.io/promptengineeringnote/Introduction/index.html 纯文字版本： 2023 年 8 月 24 日历史更新： 吴恩达最新的《》短课程上线，课程内容包括了解何时对 LLM 应用微调、准备数据以进行微调、根据您自己的数据训练和评估 LLM。 《》非常深入浅出地介绍了基于大语言模型的 AI Agents，从记忆检索到决策推理，再到行动顺序的选择，真实展现了 Agent 的智能化进程。 吴恩达（Andrew Ng）是一位在人工智能领域享有盛誉的科学家和教育者。他在机器学习、统计学和人工智能领域做出了重要贡献，并且是在线教育平台 Coursera 的联合创始人。吴恩达曾在斯坦福大学担任副教授，并领导了谷歌的大脑项目（Google Brain）。此外，他还曾担任百度公司首席科学家，并领导百度研究院。吴恩达以其在深度学习和大规模机器学习系统方面的研究而闻名，他在这些领域的工作推动了人工智能技术的商业应用和普及。他还是多个人工智能和机器学习开源项目的倡导者，包括 TensorFlow 和 Caffe。除了在学术界和工业界的贡献，吴恩达还致力于普及人工智能教育。他教授的机器学习课程是斯坦福大学和 Coursera 上最受欢迎的在线课程之一，吸引了全球数百万学生的参与。通过他的教学和研究工作，吴恩达对人工智能领域的发展产生了深远的影响。内容由 AI 大模型生成，请仔细甄别。
2025-02-15
吴恩达
吴恩达（Andrew Ng）是在人工智能领域极具影响力的科学家和教育者。 他在机器学习、统计学和人工智能领域贡献卓著： 曾在斯坦福大学任副教授，领导过谷歌的大脑项目（Google Brain）。 担任过百度公司首席科学家，并领导百度研究院。 以其在深度学习和大规模机器学习系统方面的研究闻名，推动了人工智能技术的商业应用和普及。是多个人工智能和机器学习开源项目的倡导者，如 TensorFlow 和 Caffe。 致力于普及人工智能教育，其教授的机器学习课程在斯坦福大学和 Coursera 上广受欢迎，吸引全球数百万学生参与。 在红杉 AI Ascent 2024 会议中，吴恩达是与会的人工智能领导者之一。 在相关研究中，吴恩达逐渐意识到利用大量训练数据与快速计算的能力被低估，其想法在一些论文中得到支持。 内容由 AI 大模型生成，请仔细甄别。
2025-02-15
吴恩达有《面向所有人的生成式 AI 入门课程 Generative AI for Everyone》下载资源
以下是吴恩达《面向所有人的生成式 AI 入门课程 Generative AI for Everyone》的相关资源： B 站： 学习笔记： 飞书： 下的相关课程
2025-02-07
吴恩达人工智能课
吴恩达（Andrew Ng）是人工智能领域享有盛誉的科学家和教育者。他在机器学习、统计学和人工智能领域有重要贡献，是在线教育平台 Coursera 的联合创始人。曾在斯坦福大学任副教授，领导过谷歌的大脑项目（Google Brain），还曾担任百度公司首席科学家并领导百度研究院。 吴恩达以深度学习和大规模机器学习系统方面的研究闻名，推动了人工智能技术的商业应用和普及。他是多个人工智能和机器学习开源项目的倡导者，如 TensorFlow 和 Caffe。 他致力于普及人工智能教育，其教授的机器学习课程在斯坦福大学和 Coursera 上极受欢迎，吸引全球数百万学生参与。 在课程方面，吴恩达有《面向所有人的生成式 AI 入门课程 Generative AI for Everyone》，在 B 站可搜索对应关键词获取资源，相关学习笔记可参考 。推荐直接使用 Jupyter 版本学习，效率更高：https://github.com/datawhalechina/promptengineeringfordevelopers/ ，视频下载地址：https://pan.quark.cn/s/77669b9a89d7 ，OpenAI 开源了教程：https://islinxu.github.io/promptengineeringnote/Introduction/index.html 。 内容由 AI 大模型生成，请仔细甄别。
2025-02-07
吴恩达课程
以下是关于吴恩达课程的相关信息： 对于强化学习的入门学习，如果没有相关基础，可先看吴恩达的课程以获得大致理解，此课程估计需要 25 小时左右。 吴恩达和 OpenAI 合作推出了免费的 Prompt Engineering（提示工程师）课程。课程主要内容是教书写 AI 提示词，并教利用 GPT 开发一个 AI 聊天机器人。相关资源包括： 原版网址：https://www.deeplearning.ai/shortcourses/chatgptpromptengineeringfordevelopers/ B 站版本：【合集·AI Course哔哩哔哩】https://b23.tv/ATc4lX0 、https://b23.tv/lKSnMbB 翻译版本： 推荐直接使用 Jupyter 版本学习，效率更高：https://github.com/datawhalechina/promptengineeringfordevelopers/ 课程一共 9 集全部已经翻译完成，并且改成了双语字幕，字幕文件也已经上传了。 视频下载地址：https://pan.quark.cn/s/77669b9a89d7 OpenAI 开源了教程：https://islinxu.github.io/promptengineeringnote/Introduction/index.html 纯文字版本： 吴恩达（Andrew Ng）是在人工智能领域享有盛誉的科学家和教育者。他在机器学习、统计学和人工智能领域有重要贡献，是在线教育平台 Coursera 的联合创始人。曾在斯坦福大学担任副教授，领导过谷歌的大脑项目（Google Brain），担任过百度公司首席科学家并领导百度研究院。以在深度学习和大规模机器学习系统方面的研究闻名，推动了人工智能技术的商业应用和普及，还是多个人工智能和机器学习开源项目的倡导者。其教授的机器学习课程是斯坦福大学和 Coursera 上最受欢迎的在线课程之一，对人工智能领域发展影响深远。内容由 AI 大模型生成，请仔细甄别。
2025-02-05
吴恩达大模型教程
以下是一些与吴恩达大模型相关的教程和资源： 面向开发者的 LLM 入门课程： 地址： 简介：一个中文版的大模型入门教程，围绕吴恩达老师的大模型系列课程展开，包括吴恩达《ChatGPT Prompt Engineering for Developers》课程中文版等。 提示工程指南： 地址： 简介：基于对大语言模型的兴趣编写的全新提示工程指南，介绍了相关论文研究等。 LangChain🦜️🔗中文网，跟着 LangChain 一起学 LLM/GPT 开发： 地址： 简介：由两位 LLM 创业者维护的 Langchain 中文文档。 LLM 九层妖塔： 地址： 简介：包含 ChatGLM 等实战与经验。 目录：吴恩达讲 Prompt https://github.com/zard1152/deepLearningAI/wiki Coze 复刻：吴恩达开源的 AI 翻译项目 复刻步骤：包括配置反思优化的提示词、结合反思优化建议再次翻译、选择输出方式等。 大语言模型分为基础 LLM 和指令微调 LLM 两类。基础 LLM 经过训练可根据文本预测下一个词，指令微调 LLM 经过训练能遵循指令，为让系统更有帮助并遵循指令，通常会使用人类反馈强化学习（RLHF）技术优化。提示的关键原则包括尽可能保证下达的指令“清晰、没有歧义”，给大模型思考的时间以及足够的时间去完成任务。
2025-01-21
学完以上课程 熟练上手实操，需要多长时间，请回答需要多长时间而不是回答课程数量
学习不同的 AI 课程并熟练上手实操所需时间因人而异，但大致估计如下： 《雪梅 May 的 AI 学习日记》中制作微信机器人的共学课程，包含 6 个分享，每个分享 2 3 小时，需要有大块完整时间，可能需要数天甚至更长时间才能学完。 入门强化学习，如果没有基础，学习概率论和线性代数相关课程大约需要周末一天时间；吴恩达和李宏毅的课程约 25 小时；《动手学深度学习》前五章约 10 小时；王树森课程的前几节约 5 小时；《动手学强化学习》看到 DQN 部分约十几小时。 微软 AI 初学者入门课程为期 12 周、共 24 课时。 需要注意的是，这只是一个大致的估计，实际所需时间会受到个人学习能力、投入程度等因素的影响。
2025-02-19
ai初学者可以学习哪些课程
对于 AI 初学者，以下是一些可以学习的课程： 1. 特定的机器学习云框架： 例如。 相关课程如《》。 2. 对话式人工智能和聊天机器人： 单独课程《了解更多详情。 3. 深度学习背后的深层数学（Deep Mathematics）： 推荐 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 合著的《深度学习》（Deep Learning）一书，该书可在 https://www.deeplearningbook.org/ 上获取。 4. 人工智能的商业应用案例： 如《》（和欧洲工商管理学院 INSEAD 共同开发）。 5. 经典机器学习： 可参考《》。 6. 使用 Azure 认知服务（Azure Cognitive Services）来创建实用的人工智能应用： 如《》等。 此外，还可以： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，了解其主要分支及联系。 浏览入门文章，了解 AI 的历史、应用和发展趋势。 2. 开始 AI 学习之旅： 在「」中找到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）按自己节奏学习，有机会获得证书。 3. 选择感兴趣的模块深入学习： 根据自身兴趣选择特定模块，如图像、音乐、视频等。 掌握提示词技巧。 4. 实践和尝试： 实践巩固知识，尝试使用各种产品创作作品。 在知识库分享实践成果。 5. 体验 AI 产品： 与 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人互动，了解其工作原理和交互方式。
2025-02-19
多维表格AI接入分享课程有回放么
多维表格 AI 接入分享课程有回放。例如，在“1204|微信超级 AI 知识助手教学（上）—智谱共学营智能纪要”中提到直播有回放。在“飞书多维表格 AI 共学解锁更强大的豆包 2024 年 12 月 21 日”中，王大仙表示分享有回放，可顺着搭建流程使用。
2025-02-18
AI绘画课程
以下为您推荐的 AI 绘画课程： 【野菩萨】课程： 预习周课程：包括 AI 绘画电脑配置要求、高效 AIGC 创意者的数字人工具包、SD 插件安装方法、画静为动的 AIGC 视频制作讲解等。 基础操作课：涵盖 AI 绘画通识课、AI 摄影虚拟的真实、AI 电影 穿越的大门等内容。 核心范式课程：涉及词汇的纸牌屋、核心范式应用、控制随机性等方面。 SD WebUi 体系课程：包括 SD 基础部署、SD 文生图、图生图、局部重绘等。 ChatGPT 体系课程：有 ChatGPT 基础、核心 文风、格式、思维模型等内容。 ComfyUI 与 AI 动画课程：包含部署和基本概念、基础工作流搭建、动画工作流搭建等。 应对 SORA 的视听语言课程：涉及通识 欢迎参加电影的葬礼、影像赏析、基础戏剧影视文学等。 免费课程机会：参与 video battle，获胜者可获得课程奖励，包括冠军 4980 课程一份、亚军 3980 课程一份、季军 1980 课程一份，入围奖励 598 野神殿门票一张。 扫码添加菩萨老师助理，了解更多课程信息。 【Stable Diffusion 零基础入门宝典】课程： 作者从事平面设计行业，基于对 Stable Diffusion 的学习和研究，开发了这套课程。 课程初衷是为刚入门或想了解 SD 的小伙伴做全面梳理，因为新人面对众多内容往往不知所措。 课程特色暂未提及。 SD 新手视频教程： 章节教学视频： 第一节课：AI 绘画原理与基础界面 第二节课：20 分钟搞懂 Prompt 与参数设置，你的 AI 绘画“咒语”学明白了吗？ 第三节课：打破次元壁！用 AI“重绘”照片和 CG 第四节课：AI 绘画模型，“画风”自由切换 第五节课：提高 AI 绘画分辨率的方式 第六节课：LoRa|Hypernetwork 概念简析 第七节课：定向修手修脸，手把手教你玩转局部重绘！ 第八节课：提示词补全翻译反推，“终极”放大脚本与细节优化插件 第九节课：LoRA 从原理到实践 第十节课：零基础掌握 ControlNet！
2025-02-17
AI提示词系统课程有哪些
以下是一些 AI 提示词系统课程： 1. 藏经阁个人专栏中的课程： LangGPT 社区年度分享：AI 交流的艺术 系统论述文章：构建高性能 Prompt 之路—结构化 Prompt Prompt 进阶—提示链（Prompt Chain）和多提示词协同 LangGPT—让人人都能编写高质量 Prompt 提示工程培训：入门到精通系列课程 2. 《雪梅 May 的 AI 学习日记》中的课程： 2024 年 7 月 19 日至 21 日的 DAY33 至 DAY35 吴恩达的 prompt 课程 目录：吴恩达讲 Prompt ChatGPT 提示工程中文翻译版（仅用于学习分享） 3. 从零开始：AI 视频制作小白的成长之路中的相关内容，但主要是关于提示词应用的案例和经验，而非具体的课程。
2025-02-15
我现在需要根据一系列的 yaml 和 markdown 构建一个知识库，并且需要支持 AI 问答，每次 AI 问答的结果都要保存成一个新的内容放到知识库中，请问从经济效益来看，有哪些服务可以使用？
目前从经济效益的角度来看，以下一些服务可能有助于您构建这样的知识库并支持 AI 问答以及结果保存： 1. 云服务提供商，如阿里云、腾讯云、AWS 等，它们提供可扩展的计算和存储资源，您可以根据实际需求灵活配置，避免过度投入硬件成本。 2. 开源的知识管理和问答系统框架，例如使用 Elasticsearch 结合相关插件来实现问答功能，成本相对较低，但可能需要一定的技术投入进行搭建和维护。 3. 一些专门针对知识管理和 AI 应用的 SaaS 服务，它们通常按使用量计费，初期投入较小，适合小规模应用。 需要注意的是，具体选择哪种服务取决于您的业务规模、技术能力、预算以及对性能和功能的要求。
2025-02-01
什么网站能将一个故事生成一系列有关故事的图片
以下是一些能够将故事生成一系列图片的网站和相关方法： 1. 扣子：通过自带的图像工作流，将 LLM 生成的故事内容传入，使用提示词优化节点和文生图节点生成配图。可以同时处理多个段落内容以节约时间，并考虑内容连续性生成连续的图片。同时要注意数据来源和格式，以及每步执行所需的数据格式适配。 2. MJ（Midjourney）：先构思或利用 ChatGPT 描述适合画绘本的故事场景，如《Lily 的奇妙之旅》，分为多个场景并用包含环境、人物、动作的话描述。生成场景图片时，使用特定的 prompt 包含场景和风格等描述，为使人物和熊有更好的互动感，生成场景时也包括人物主角。还可使用抠图工具处理得到所需的场景图像。 此外，Sora 也有生成涉及一系列事件故事的能力，但可能还不够完美。
2024-12-04
怎么监督AI被动的做出一系列违法的事情
监督 AI 被动做出违法事情可从以下方面考虑： 1. 对于高风险人工智能系统，在入市前的设计应保证能实施人为干预。增加人为监督的原因包括： AI 可能做出涉及道德和伦理问题的决策，如侵犯个人隐私、存在不公平偏见和歧视等，人类监督可预防相关道德风险。 若 AI 产生错误决策甚至违法行为，因 AI 无法承担法律责任，责任由人类承担，所以需要人类监督以确保其行为合法。 AI 不能完全理解人类社会，在人类监督下能正确处理复杂的人类社会问题。 高风险的人工智能系统往往需要更高程度的人为监督，以降低其对个人、环境和社会的损害，确保其运行符合人类社会的价值观和道德观。 AI 系统决策过程不透明，人类监督可要求其提供更多透明度和可解释性，便于理解和质疑决策。 人为监督能促进 AI 的普及与发展，帮助建立公众信任，提高社会接受度。 2. 像 OpenAI 这样的公司，无论如何重新设计产品以减少不当行为，未来的模型仍可能因足够聪明而难以被控制。若在确保模型安全性方面做得过度，可能削弱产品功能。 3. 对于监管，OpenAI 的 Altman 虽将自己定位为监管拥护者，但也面临一些指责，如被认为玩弄监管程序以阻碍小型初创企业发展并给自己带来优势。不过他原则上赞同由国际机构监督 AI 的想法，但对一些拟议规则持有不同意见。OpenAI 拒绝相关批评，认为通过分析用户反应才能使未来产品符合道德规范。
2024-11-13
开源大模型ChatGLM 系列有哪些版本
ChatGLM 系列的开源版本包括： ChatGLM36B：第三代 ChatGLM 对话模型，采用全新设计的 Prompt 格式，原生支持工具调用、代码执行和 Agent 任务等复杂场景。 ChatGLM36Bbase：第三代 ChatGLM 基座模型，采用更多样的训练数据、更充分的训练步数和更合理的训练策略，在 10B 以下的基础模型中性能较强。 ChatGLM36B32k：第三代 ChatGLM 长上下文对话模型，在 ChatGLM36B 的基础上进一步强化了对长文本的理解能力，能处理最多 32K 长度的上下文。
2024-11-04
ChatGLM3 及相关系列产品有哪些
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。其中，智谱清言是基于 ChatGLM 大模型的产品。 智谱清言的特点包括：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。总体更擅长专业能力，但代码能力还有优化空间，知识百科与其他第一梯队模型相比稍显不足。 其适合的应用场景相对广泛，根据 SuperCLUE 测评结果，可优先推进在 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。在较复杂推理应用上效果不错，在广告文案、文学写作方面也是很好的选择。
2024-11-04
帮我找这篇文章《AI Agent系列：系统性学习大脑模块》
以下是关于《AI Agent 系列：系统性学习大脑模块》的相关内容： 大脑模块（Brain）是 AI Agent 智能行为的核心，是一个高度集成的系统，负责处理信息、做出决策和规划行动。通常基于大型语言模型（如 Llama 或 GPT），在海量文本数据上训练，赋予强大的自然语言理解和生成能力。 其不仅包含丰富的语言知识（词法、句法、语义学和语用学），还融入广泛的常识知识，能做出符合现实世界的合理决策。此外，还集成特定领域专业知识，能在专业领域执行复杂任务。 具备记忆能力，可存储和检索过去的观察、思考和行动序列，对处理连续任务和解决复杂问题至关重要。还具备推理能力，能基于证据和逻辑决策，并通过规划能力将复杂任务分解为可管理的子任务，制定相应行动计划。 计划反思机制使 Agent 能评估和完善策略，适应变化环境，支持任务泛化，根据指令完成新任务。上下文学习能力让其从给定示例快速学习适应新任务，持续学习机制避免灾难性遗忘，保持知识更新累积。 接收感知模块处理信息后，会访问存储系统，检索知识并提取信息，帮助制定计划、推理和做明智决策。还能记录 Agent 过去的观察、思考和行动，以不同形式存储，不断更新常识和专业知识库。基于大型语言模型的 AI Agent 具备出色概括和迁移能力，适应新奇或陌生场景。以下是大脑模块中对不同能力的关注点。
2024-08-23