搜索:"大模型"
找到 74 篇与 "大模型" 相关的文章
算力军备竞赛:AI巨头加速布局
英伟达凭借H100/B200芯片和CUDA生态主导AI算力市场,但AMD、英特尔及专用AI芯片(TPU、LPU)正加速追赶。算力需求正从训练转向推理,推动芯片设计追求能效与适配度。端侧AI芯片(高通、苹果NPU)兴起,实现本地运行大模型。中国算力生态在管制下以华为昇腾、寒武纪等芯片和Chiplet技术突围,但生态与集群...
从零到一:扣子智能体如何重塑AI应用构建范式
字节跳动推出的扣子(Coze)智能体平台,以零代码编排方式融合大模型、插件、知识库与工作流,让用户像搭积木一样构建自主智能体,大幅降低AI应用开发门槛。其核心能力包括插件生态、知识库管理和可视化工作流编排,支持从生活助手到企业全链路自动化。尽管面临智商上限、数据安全等挑战,但正推动“智能体设计”成为新基础技能,重塑软件...
数据蒸馏:从海量数据中提炼高效的训练精华
数据蒸馏技术通过合成或选择少量高质量数据替代海量原始数据,在保持模型性能的同时大幅降低训练成本。主流方法包括合成式(如数据集蒸馏)和选择式(如核心集选择)。该技术已在图像分类、NLP、多模态及自动驾驶等领域加速模型迭代,但仍面临计算效率、跨架构泛化及理论边界等挑战。数据蒸馏正推动AI从“数据密集型”向“知识密集型”发展...
数据蒸馏:从海量数据中提炼“精华”的AI方法论
数据蒸馏是一种从海量数据中生成高信息密度合成数据的方法,源于知识蒸馏的思路。主流方法包括梯度匹配、特征匹配和轨迹匹配,可显著压缩数据量且保持模型性能。它应用于联邦学习、持续学习和自动驾驶仿真等领域。尽管面临计算成本高、可扩展性有限等挑战,但数据蒸馏正成为提升AI训练效率的关键技术。
扣子智能体:一键
扣子智能体是字节跳动推出的低代码/无代码AI应用开发平台,让用户无需编程即可通过拖拽配置,结合大模型、插件、知识库和工作流快速构建智能体。其核心功能包括技能配置、知识库管理和可视化工作流编排,支持一键发布到Web、飞书等多渠道,并实现多智能体协作。广泛应用于个人助手、企业客服、内容创作、教育等领域,背靠字节生态,易用性...
扣子智能体:零门槛构建专属AI助手的革命性平台
字节跳动推出的扣子智能体平台,以“低代码+可视化”理念让非技术用户零门槛构建AI助手。它基于大模型,通过拖拽工作流、插件市场和多模态交互实现对话、任务执行等能力,并支持一键部署到微信、飞书等终端。应用覆盖个人效率提升、企业流程自动化、内容创作等场景,显著降低成本与响应时间。平台丰富的插件生态和自定义代码节点兼顾易用性与...
零基础也能上手!AI智能体搭建全攻略
本文系统讲解AI Agent从概念到实战的搭建流程,涵盖六个核心步骤:界定能力边界、选型框架与模型(如LangChain+GPT-4)、设计工具生态、构建记忆与规划、实现反馈循环与自我修正,以及部署监控与安全实践。强调Agent通过感知、推理、执行三组件实现多步自主任务,并提供从原型到智能体的进化路径。
扣子智能体:AI原生时代的个人化智能助手新范式
字节跳动推出的扣子智能体(Coze)是一款零代码智能体构建平台,用户通过自然语言即可创建、定制并发布具备自主决策能力的AI助手。它融合大模型与多工具编排框架,支持插件、知识库融合及跨平台发布,应用于个人效率、企业客服、教育辅导等场景。尽管面临“幻觉”和任务中断挑战,但其“零代码+多工具+全渠道”策略降低了AI使用门槛,...
数据蒸馏:如何让小模型“偷
数据蒸馏是将大规模原始数据压缩为少量高质量合成样本的技术,通过知识迁移保留核心分布特征,在不显著牺牲模型性能下降低训练开销。主流方法包括梯度匹配、轨迹匹配和生成模型路径。实践需确定目标、选择教师模型、初始化并迭代优化合成样本。在LLM领域,它可将百万级弱数据压缩为数千条高质量指令,但面临计算成本高、泛化性弱等挑战。
扣子智能体:零代码AI应用开发的新范式
字节跳动推出的扣子智能体(Coze)平台,以“零代码、插件化、多模型”理念,让非技术用户也能快速构建AI应用。它集成多模型、50余个插件、知识库与可视化工作流编排,支持一键分发至飞书、微信等平台。已应用于教育、电商、企业知识库等领域,显著提升效率。平台面临模型成本、数据安全及“幻觉”问题,但代表AI开发从技术专享向全民...