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

你是基于什么技术搭建的？

Answer

很抱歉，没有查询到关于我基于什么技术搭建的相关确切内容。但为您提供以下相关信息： Udio 由一群领先的人工智能研究人员和技术专家创立，在当今许多最具前瞻性和创造力的音乐家的指导下构建了其技术，得到了 a16z、will.i.am 等的支持。udio.com 允许用户通过指定主题、流派和其他描述符，根据简单的文本提示创建音乐，然后将其转换为专业品质的曲目。 另外，关于飞书搭建的 AI 知识库，飞书的官方技术同学使用 RAG 技术将通往 AGI 之路的内容进行处理，然后在飞书大群中接入一个智能机器人，当机器人被艾特回答问题时，其背后就是针对这个 AI 知识库进行的提问，RAG 技术会将知识库中最符合的相关文档回复给用户。

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

References

UDIO指南

本文档可编辑，欢迎大家放上自己生成的案例[heading1]关于UDIO[content]Udio构建人工智能工具来支持下一代音乐创作者。我们相信人工智能有潜力扩大音乐视野，让任何人都能创造出非凡的音乐。udio.com允许用户通过指定主题、流派和其他描述符，根据简单的文本提示创建音乐，然后将其转换为专业品质的曲目。作为一个组织，我们坚定地致力于为艺术家提供支持，并与音乐行业中一些最杰出和最具创造力的艺术家合作。Udio团队由一群领先的人工智能研究人员和技术专家创立，在当今许多最具前瞻性和创造力的音乐家的指导下构建了其技术。Udio得到了a16z、will.i.am、Common、Tay Keith、Steve Stoute的UnitedMasters、Mike Krieger（Instagram联合创始人兼首席技术官）、Kevin Wall、a16z文化领导力基金和Oriol Vinyals（Gemini联合领导者）的支持等等。有了Udio，任何有曲调、歌词或有趣想法的人现在都可以用音乐表达自己。[heading1]使用教程[heading1]Create your first song创作你的第一首歌曲[content]To get started,just type a description of a song you’d like to create.For best results,use descriptive genres,descriptors,and moods.首先，只需输入您要创建的歌曲的描述。为了获得最佳结果，请使用描述性体裁、描述符和情绪。[heading1]Use artist styles使用艺术家风格[content]We do not generate songs using artists'voice,but you can use artist styles to describe music and we will replace the artist reference with relevant genre tags.我们不会使用艺术家的声音生成歌曲，但您可以使用艺术家风格来描述音乐，我们将用相关流派标签替换艺术家参考。

这可能是讲 Coze 的知识库最通俗易懂的文章了

大家好，我是大圣，一个致力于使用AI技术将自己打造为超级个体的程序员。对于知识库大家并不陌生，一系列的信息和知识聚集在一起就可以构成知识库。比如我最心爱的[通往AGI之路](https://waytoagi.feishu.cn/wiki/QPe5w5g7UisbEkkow8XcDmOpn8e)就是一个使用飞书软件搭建的AI知识库。当你需要了解AI某一领域知识的时候，你只需要在AGI的飞书大群中，跟机器人对话就能获取对应的资料。而在我的[大圣：胎教级教程：万字长文带你使用Coze打造企业级知识库](https://waytoagi.feishu.cn/wiki/CT3UwDM8OiVmOOkohPbcV3JCndb)也是以AI时代的知识库作为例子进行了讲解。这篇文章的目的就是帮助非编程人士来理解AI时代的知识库，读完本文你会收获：1.AI时代的知识库的概念、实现原理以及能力边界2.通往AGI之路大群中的通过对话就能获取知识库中资料的原理3.更好的使用Coze等AI Agent平台中的知识库组件，打造更加强大的智能体请允许我自卖自夸：我这篇文章可以说是知识库文章中Coze讲的最好的，讲Coze的文章中知识库讲的最好的。另外做个预告，我正在规划一个关于AI时代你应该具备的编程基础系列，大纲如下：数据库｜让Coze拥有了记忆的组件1知识库｜让Coze拥有了记忆的组件2变量｜让Coze拥有了记忆的组件3JSON｜让你更好的使用Coze插件API｜外部应用程序该如何接入Coze操作系统与服务器｜那些接入了Coze的微机器人都是运行在哪里的Docker｜让你用最简单的方式部署微信机器人

这可能是讲 Coze 的知识库最通俗易懂的文章了

最后我们来讲下AGI大群中的机器人的原理，如果你跟完了整篇文章，我想你心里已经有答案了。飞书的官方技术同学使用RAG技术将[通往AGI之路](https://waytoagi.feishu.cn/wiki/QPe5w5g7UisbEkkow8XcDmOpn8e)的内容进行处理，然后在飞书大群中接入一个智能机器人，当机器人被艾特回答问题的时候，其背后就是针对这个AI知识库进行的提问。RAG技术会将知识库中最符合的相关文档回复给用户。基于RAG技术，我也搭建了一个微信机器人帮助我进行课程相关答疑，还是挺爽的～[heading1]写在最后[content]分享我的三个理念给大家：读十遍不如实操一遍，实操十遍不如分享一遍不要沉迷于碎片化的内容，要聚焦于体系化的知识不管在什么时代，了解一个东西一定要先花时间了解其本质最后的最后请允许我打几个广告～如果你对我本人感兴趣，请用下面的方式联系我，左手微信，右手星球另外我和艾木合作开发了一款Coze的体系化课程，旨在帮助大家学习Coze。这篇文章有关于课程的一切信息：[成为Agent工程师之Coze实战课程介绍](https://axsppz4oyvj.feishu.cn/wiki/Z2X0wEvmtiYZtqkFL82cxxI6npL)感兴趣的可以直接加我V信咨询（备注：Coze课程）

Others are asking
如何搭建自己的知识库
搭建自己的知识库可以参考以下步骤： 1. 了解 RAG 技术： 利用大模型的能力搭建知识库是 RAG 技术的应用。 大模型训练数据有截止日期，当需要依靠不在训练集中的数据时，可通过检索增强生成 RAG 实现。 RAG 应用包括文档加载、文本分割、存储、检索和输出 5 个过程。 文档加载：从多种来源加载文档，LangChain 提供 100 多种文档加载器，包括非结构化、结构化和代码等数据。 文本分割：把文档切分为指定大小的块。 存储：包括将切分好的文档块嵌入转换成向量形式，并将向量数据存储到向量数据库。 检索：通过检索算法找到与输入问题相似的嵌入片。 输出：把问题及检索出来的嵌入片提交给 LLM 生成答案。 2. 基于 GPT API 搭建： 涉及给 GPT 输入定制化知识，但 GPT3.5 一次交互容量有限。 OpenAI 提供了 embedding API 解决方案，embeddings 是浮点数字的向量，向量间距离衡量关联性，小距离表示高关联度。 3. 本地知识库进阶： 若要更灵活掌控知识库，可使用额外软件 AnythingLLM，其包含 Open WebUI 的能力，并额外支持选择文本嵌入模型和向量数据库。 安装地址：https://useanything.com/download 。 安装完成后进入配置页面，主要分为三步：选择大模型、选择文本嵌入模型、选择向量数据库。 在 AnythingLLM 中创建 Workspace 构建本地知识库，包括创建工作空间、上传文档并进行文本嵌入、选择对话模式（Chat 模式综合给出答案，Query 模式仅依靠文档数据给出答案），完成配置后可进行测试对话。 总之，“看十遍不如实操一遍，实操十遍不如分享一遍”，希望您能成功搭建自己的知识库。如果对 AI Agent 技术感兴趣，可以联系相关人员或加入免费知识星球（备注 AGI 知识库）。
2025-02-08
我想要搭建一个可以视频和图片识别宠物猫品种和品相的智能体
以下是为您提供的关于搭建可以视频和图片识别宠物猫品种和品相的智能体的相关信息： 目前有一种技术叫 PixelLLM，它是由 Google 开发的新型视觉语言模型。其完善后在弱视（眼疾）用户方面会有较好的应用场景。这个模型不仅能够对图片进行详细描述，还能精确指出图片中每个词汇对应的具体位置。例如，若图片中有一只猫和一只狗，PixelLLM 不仅能识别出“猫”和“狗”，还能指出它们在图片中的具体位置。这种能力使得模型在处理需要图像和文字紧密结合的任务时表现出色，比如在一张图片中找到特定的物体或区域，并对其进行描述。 主要特点包括： 1. 像素级词汇对齐：不仅能告知图片里有什么，还能准确指出这些东西在图片的具体位置。 2. 多种功能：具备多种处理图像和文字结合任务的能力。 您可以考虑基于类似的技术来搭建您所需的智能体。
2025-02-06
我想要搭建一个能够帮我阅读并总结提炼，同时能在我提出问题时，随时在我给他提供的知识库中检索的AI Agent，如何用Coze搭建？
搭建能够阅读、总结提炼并在给定知识库中检索的 AI Agent 可以使用 Coze 按照以下步骤进行： 1. 规划 制定任务的关键方法。 总结任务目标与执行形式。 将任务分解为可管理的子任务，确立逻辑顺序和依赖关系。 设计每个子任务的执行方法。 2. 实施 在 Coze 上搭建工作流框架，设定每个节点的逻辑关系。 详细配置子任务节点，并验证每个子任务的可用性。 3. 完善 整体试运行 Agent，识别功能和性能的卡点。 通过反复测试和迭代，优化至达到预期水平。 关于一些其他问题： 1. 如何判断自己的任务/Prompt 是否需要拆解为工作流？ 构建稳定可用的 AI Agent 是一个需要不断调试和迭代的过程。通常先从当前性能最强的 LLM（如 ChatGPT4 和 Claude 3.5 sonnet）着手，先用单条 Prompt 或 Prompt Chain 来测试任务的执行质量和稳定性。然后，根据实际执行情况、最终投产使用的 LLM，逐步拆解子任务，降低 LLM 执行单任务的难度，直到达成工程目标。一般对于场景多样、结构复杂、对输出格式要求严格的内容，基本可以预见到需要将其拆解为工作流。此外，如果涉及生成多媒体内容或从网络自主获取额外信息等能力，必然需要通过工作流来调用相应的插件。 2. 只用了一段 Prompt 的 Agent，还算 AI Agent 吗？ 算。详见
2025-02-06
Agent搭建平台都有哪些
以下是一些常见的 Agent 搭建平台： 1. Coze：新一代一站式 AI Bot 开发平台，适用于构建各类问答 Bot，集成丰富插件工具，拓展 Bot 能力边界。 2. Microsoft 的 Copilot Studio：主要功能包括外挂数据、定义流程、调用 API 和操作，以及将 Copilot 部署到各种渠道。 3. 文心智能体：百度推出的基于文心大模型的智能体平台，支持开发者打造产品能力。 4. MindOS 的 Agent 平台：允许用户定义 Agent 的个性、动机、知识，以及访问第三方数据和服务或执行工作流。 5. 斑头雁：2B 基于企业知识库构建专属 AI Agent 的平台，适用于多种场景，提供多种成熟模板。 6. 钉钉 AI 超级助理：依托钉钉优势，在处理高频工作场景表现出色。 此外，国内外还有多个平台可以在几分钟内完成 Agent 创建，比如国内版扣子 coze.cn、海外版 Coze coze.com、百度 AppBuilder、阿里通义千问、智谱 AI 等。使用扣子 coze.cn 等平台创建智能体 Agent 的过程被创作者形象地比喻为“捏 Bot”，最简单的 Bot 往往可以在 1 分钟内捏完。 随着 AI 的发展，大家对 AI 的诉求变得具体，简单的 ChatBot 弊端凸显，基于 LLWeng 对于 Agent 的结构设计，Coze、Dify 等平台在应用探索上有进展。年初吴恩达基于 Agent 应用、场景、需求等做了 4 个分类，但这些平台都有固有局限，对于专业 IT 人士不够自由，对普通用户在复杂业务场景有诸多限制。
2025-02-06
如何用AI搭建个人和企业知识库
以下是关于如何用 AI 搭建个人和企业知识库的相关内容： 一、使用飞书搭建 可以参考。读完相关文章，您将收获： 1. AI 时代的知识库的概念、实现原理以及能力边界。 2. 通往 AGI 之路大群中通过对话就能获取知识库中资料的原理。 3. 更好地使用 Coze 等 AI Agent 平台中的知识库组件，打造更加强大的智能体。 另外，作者正在规划一个关于 AI 时代您应该具备的编程基础系列，包括数据库、知识库、变量、JSON、API、操作系统与服务器、Docker 等内容。 二、本地部署大模型以及搭建个人知识库 1. 若要对知识库进行更灵活的掌控，需要额外的软件 AnythingLLM，其包含了所有 Open WebUI 的能力，并额外支持选择文本嵌入模型和向量数据库。 2. 安装地址：https://useanything.com/download 。安装完成后进入配置页面，主要分为三步： 第一步：选择大模型。 第二步：选择文本嵌入模型。 第三步：选择向量数据库。 3. 在 AnythingLLM 中有 Workspace 的概念，可以创建自己独有的 Workspace 跟其他项目数据进行隔离。具体操作包括： 首先创建一个工作空间。 上传文档并且在工作空间中进行文本嵌入。 选择对话模式，提供了 Chat 模式（大模型会根据自己的训练数据和上传的文档数据综合给出答案）和 Query 模式（大模型仅仅会依靠文档中的数据给出答案）。 完成上述配置后，即可跟大模型进行对话。 三、AI 时代的知识管理体系构建案例 1. 一条书摘：在读书（万维钢的新书《拐点》）时，看到一段有触动但保持批判性思考和怀疑的文本，提到如果足够强势，当前 AI 对人的作用有三个：信息杠杆、发现自己真正想要的、帮助形成自己的观点和决策。 2. 一个笔记：将上述书摘整理归纳，标记重点，打赏标签，放入笔记系统，准备展开深度思考和实践。 3. 对笔记的思考和实践：基于笔记中提到的 AI 对人的三种最终的赋能模式，以自己深度思考的问题为例，践行这套方法论，体会何谓“信息杠杆”可以令你的“思维换挡”，感受如何“让自己发现究竟想要什么”。 4. 生长出的自己的观点和内容：基于上述实践，生成“自己的观点和决策”。 5. 教授和分享：基于“自己的观点和决策”，打造成体系化的内容产品，实现价值。 总结：通过一个碎片化知识在左侧知识库中的“点、线、面、体”式的流转，从一个书摘变成一个体系化内容或课程，把“别人说的话”变成“我自己的智慧”。希望大家都能利用 AI 高效地把自己的知识管理体系搭建起来，运用起来。
2025-02-06
假设你是经验丰富的AI工程师，现在需要搭建能够自行识别电商直播平台中客户提出的问题并给出不死板且AI痕迹弱的回答，同时直播的主播是我们虚拟的数字人，请问需要怎么做，请给出具体步骤
以下是搭建能够自行识别电商直播平台中客户提出的问题并给出自然回答，且直播主播为虚拟数字人的具体步骤： 1. 选择数字人工具软件： 考虑实时驱动和非实时驱动两类。实时驱动能在直播时更改音频话术，真人可接管，标准零售价一年 4 6 万往上；非实时驱动一个月 600 元，但效果差，类似放视频的伪直播，市场价格混乱。 2. 确定数字人运营服务模式： 按直播间成交额抽佣。 3. 明确适用品类和场景： 适用于不需要强展示的商品，如品牌食品饮料；适用于虚拟商品，如门票、优惠券等；店播效果较好，数据能保持跟真人一样；不适用于促销场景和服装品类。 4. 了解 AI 直播的壁垒和未来市场格局： 目前有技术门槛，如更真实的对口型、更低的响应延迟等，但长期看技术上无壁垒。 市场不会一家独大，可能 4 5 家一线效果公司，大多为二三线效果公司。 能把客户服务好、规模化扩张的公司更有价值，疯狂扩代理割韭菜的公司售后问题多。 有资源、有业务的大平台下场可能带来降维打击，如剪映若不仅提供数字人，还提供货品供应链、数据复盘分析等全环节服务，会对其他公司形成竞争压力。
2025-02-06
传感器技术与智慧养老的联系
传感器技术在智慧养老中具有重要作用。在感知模块中，通过多种传感器来收集和处理信息，常见的传感器包括： 1. 可见光相机：负责收集彩色图像。 2. 红外相机：能收集热成像、进行温度测量、实现夜视和透视。可检测物体热辐射，在黑暗中生成图像，用于夜视、热成像、设备过热检测、能源审计和医学成像等，还能穿透烟雾等遮挡物用于应急救援和安全监控。 3. 深度相机：测量图像中各点与相机的距离，获取三维坐标信息。 4. 激光雷达（LiDAR）：测量目标物体距离和速度，发射激光脉冲并接收反射光来计算距离，生成高精度三维点云数据，广泛应用于自动驾驶和机器人导航。 5. 超声波传感器：用于避障，通过发射和接收超声波脉冲确定机器人与障碍物的距离，判断障碍物是否存在。 6. 压力传感器：测量机器人手或脚部压力，用于行走和抓取力控制以及避障。 7. 麦克风：负责收音。 以医疗保健为例，在智慧养老场景中，智能传感器可发挥多种作用，如检测临床医生是否正确洗手后进入病人房间、跟踪手术器械、在病人面临跌倒风险时提醒护理团队等。这些技术如同额外的眼睛，为养老服务提供环境智能。还可想象自主机器人运输医疗用品、用增强现实技术引导外科医生更安全高效操作，甚至严重瘫痪病人用脑电波控制机器人完成日常任务。
2025-02-08
学习对AI技术在PDF中的使用
以下是关于 AI 技术在 PDF 中的使用的相关内容： PDF 翻译： DeepL（网站）：点击页面「翻译文件」按钮，上传 PDF、Word 或 PowerPoint 文件即可。 沉浸式翻译（浏览器插件）：安装插件后，点击插件底部「更多」按钮，选择「制作双语 BPUB 电子书」、「翻译本地 PDF 文件」、「翻译 THML/TXT 文件」、「翻译本地字幕文件」。 Calibre（电子书管理应用）：下载并安装 calibre，并安装翻译插件「Ebook Translator」。 谷歌翻译（网页）：使用工具把 PDF 转成 Word，再点击谷歌翻译「Document」按钮，上传 Word 文档。 百度翻译（网页）：点击导航栏「文件翻译」，上传 PDF、Word、Excel、PPT、TXT 等格式的文件，支持选择领域和导出格式（不过进阶功能基本都需要付费了）。 彩云小译（App）：下载后点击「文档翻译」，可以直接导入 PDF、DOC、DOCX、PPT、PPTX、TXT、epub、srt 等格式的文档并开始翻译（不过有免费次数限制且进阶功能需要付费）。 微信读书（App）：下载 App 后将 PDF 文档添加到书架，打开并点击页面上方「切换成电子书」，轻触屏幕唤出翻译按钮。 从 PDF 中获取图片： 可以使用 PyMuPDF 组件，让 ChatGPT 编写相关 Python 脚本，运行该脚本即可导出 PDF 电子书中的所有图片。但需要声明的是，此方法仅供个人学习娱乐，请勿用于盗版意图。 处理 PDF 文本： Claude 2 在处理 PDF 文本方面表现出色，可以将整本书粘贴到 Claude 的前一版本中取得令人印象深刻的结果，新模型更强大。还可以给它复杂的学术文章并要求总结结果，通过询问后续问题来审问材料，但需要注意这些系统仍可能产生幻觉，若要确保准确性，需检查结果。
2025-02-08
文档自动化的技术方案： OCR+NLP pipeline指的是什么，个人具体怎么实施
OCR（Optical Character Recognition，光学字符识别）+NLP（Natural Language Processing，自然语言处理）pipeline 是一种将 OCR 技术和 NLP 技术相结合的文档自动化处理流程。 OCR 用于将文档中的图像或扫描的文字转换为可编辑的文本。 NLP 则对转换后的文本进行分析、理解和处理，例如提取关键信息、分类、情感分析等。 对于个人实施 OCR + NLP pipeline，大致可以按照以下步骤进行： 1. 选择合适的 OCR 工具和服务：有许多开源和商业的 OCR 工具可供选择，根据您的需求和技术能力进行评估和选用。 2. 准备数据：收集和整理需要处理的文档，并确保其质量适合 OCR 处理。 3. 进行 OCR 处理：使用选定的 OCR 工具对文档进行转换。 4. 选择 NLP 框架和模型：根据具体的任务和需求，选择适合的 NLP 框架和预训练模型。 5. 数据预处理：对 OCR 输出的文本进行清洗、预处理，以便 NLP 模型能够更好地处理。 6. 训练和优化 NLP 模型（如果需要）：如果通用模型不能满足需求，可以使用标注数据进行训练和优化。 7. 集成和部署：将 OCR 和 NLP 部分集成在一起，并部署到实际应用环境中。 需要注意的是，实施过程中可能会遇到一些技术挑战，例如文档格式的复杂性、OCR 识别的准确性、NLP 模型的适应性等，需要不断调试和优化。
2025-02-08
帮我找到deepseek的培训教程，我是一个技术小白
以下是关于 DeepSeek R1 的培训教程相关内容： DeepSeek R1 引入了纯强化学习（RL），不依赖大量人类标注数据，而是通过自我探索和试错来学习。在“冷启动”阶段，仅通过少量（数千条）人工精选的思维链数据进行初步引导，建立起符合人类阅读习惯的推理表达范式。随后主要依靠强化学习，在奖励系统的反馈下（只对结果准确率与回答格式进行奖励），自主探索推理策略，不断提升回答的准确性，实现自我进化。 准确率奖励用于评估 AI 提供的最终答案是否正确，格式奖励强制结构化输出，让模型把思考过程置于<think></think>标签之间，以便人类观察模型的推理过程。 更有趣的是，DeepSeek 还有一个更加聪明的 R1zero 实验版本，这个版本甚至没有进行任何的初始引导，而是采用了完全从零开始的强化学习。实验表明，无需任何人类的监督训练，R1zero 自然而然地学会了用更多的思考步骤来解决推理任务，还学会了在推理过程中反思先前的推理步骤，探索解决问题的替代方法。但因为没有微调，R1zero 的输出内容可读性差、语言混合，且风险不可控。所以我们见到的是经过符合人类阅读偏好的冷启动与微调过的 R1 版本，确保 AI 生成内容的稳定、安全、道德、无害。 附：DeepSeek R1 完整训练过程，因文章定位与行文节奏设计，上文仅对影响 R1 涌现关键智能的前两个训练步骤进行了讲解。更加完善的训练说明，可直接阅读官方论文：DeepSeekAI《DeepSeekR1:Incentivizing Reasoning Capability in LLMs via Reinforcement Learning》https://arxiv.org/html/2501.12948 参考文献： 1. 碎瓜波斯兔子《Deepseek R1 可能找到了超越人类的办法》https://mp.weixin.qq.com/s/YgRgDw8ndSHJwcPNMqWZNQ 2. 大聪明赛博禅心《DeepSeek R1 是怎么训练的？》https://mp.weixin.qq.com/s/Wuz0H9jmZYV1jM1YtwTlA 3. 老刘说 NLP《可视化角度具象化理解 DeepSeekR1 类推理大模型的习得进程》https://mp.weixin.qq.com/s/ytKTGTgU2T7jSNrBghX1cA 4. Tianzhe Chu et al.《SFT 记忆，RL 泛化：基础模型训练后的比较研究》https://arxiv.org/html/2501.17161 5. Metaso 长思考对话《RL 和 SFT 在后训练中的区别》https://metaso.cn/s/WGdOwPC
2025-02-07
视频理解大模型技术
以下是关于视频理解大模型技术的相关知识： 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，目标是学习输入和输出之间的映射关系，包括分类和回归。 无监督学习的数据没有标签，算法自主发现规律，经典任务如聚类。 强化学习从反馈里学习，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（因层数多称为深度），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，无需依赖循环神经网络（RNN）或卷积神经网络（CNN），Transformer 比 RNN 更适合处理文本的长距离依赖性。
2025-02-06
LSTM/Transformer/GAN等AI技术分别是指
LSTM（Long ShortTerm Memory）是一种特殊的循环神经网络（RNN），能够处理长序列数据中的长期依赖关系。 Transformer 是一种完全基于自注意力机制（SelfAttention）来处理序列数据的模型，不依赖于循环神经网络（RNN）或卷积神经网络（CNN），比 RNN 更适合处理文本的长距离依赖性。 GAN（Generative Adversarial Network）即生成对抗网络，由生成器和判别器组成，通过两者的对抗训练来生成新的数据。
2025-02-06