MightyAI×3D未来家！准备好让AI接管了你的家了吗

大模型的提出者，怎么看大模型的发展？

近年来，大模型已经成了一个超级常用词。但你有没有想过，这个词是谁提出来的？ 其实在中文世界，最先提出大模型的是北京智源人工智能研究院理事长、北京大学计算机学院教授黄铁军。2021年3月，黄老师在智源研究院发布“悟道1.0”模型的时候说，人工智能发展已经从“大炼模型”逐步迈向了“炼大模型”。这是大模型首次成为一个中文术语。 跟2020年6月发布的GPT-3相比，在时间上悟道1.0并没有落后太多。这说明，中国在大模型领域能够保持紧追美国的态势，是有历史根源的，这是智源研究院的战略贡献。 其实我2021年10月就见过黄老师。应中信出版社之邀，我和黄铁军老师、刘知远老师一起跟2018年图灵奖获得者杨立昆（Yann Le Cun）做了一次连线座谈。当时黄老师就多次提到，通过增加模型中参数的数量有望实现智能，并和杨立昆进行了热烈的讨论。直到2022年11月ChatGPT爆火，我才知道，这是什么样的先见之明。 今天，我们就来再次访问黄老师，倾听他的新洞察。

Wan2.1-FusionX文生图14b参数,支持50系显卡,支持批量抽卡,支持Lora使用,文字生成图片,8G显存占用,NSFW

Wan2.1-FusionX文生图14b参数,支持50系显卡,支持批量抽卡,支持Lora使用,文字生成图片,8G显存占用,NSFW

【7月最新】！Claude 4.0无门槛白嫖使用教程！无需魔法，真官方版界面

Claude 4丨Gemini 2.5pro丨DeepSeek满血版丨ChatGPT丨Midjourney 直连官网丨极速不卡丨不限次数丨联网搜索 300+模板一键制作PPT、翻译写作编程助理，一站全搞定！

Flux.1 Kontext技术报告里一些有用的点

B站TTS这个音色总感觉有股营销号的味道…

在创游不会脚本 怎么做高质游戏？

此视频内容仅为个人观点 应抵制蹭流量 抄袭 血腥暴力 垃圾营销 C政黄等内容 想提前预知下期 预告图 视频内容等 ↓请加群↓ 547614014主群 预告图等内容会第一时间发在本群 请不要在评论区乱炫耀并且加上迷惑语言而引起他人不适

【已买】小米AI眼镜现场实操，不小心劝退路人粉

皮皮入手了小米AI眼镜，使用体验怎么样？值得买吗？ 小爱AI有点聪明又有点不对劲，真实体验笑cry

【中字】DeepSeek R1 GRPO 里的每个术语，都给你讲透了（还配了例子和练习哦！） 强化学习基础

Depth First https://www.youtube.com/watch?v=mXWiDU9-fOk 这个视频主要讲的是一个叫“组相对策略优化”（GRPO）的东西。它是一种强化学习的训练目标，目的呢，就是通过语言模型回答问题后得到的平均“分数”，来最大化一个总体的目标。 GRPO的核心呢，是一个叫“优势函数”的概念。它衡量的是，在同一组里，针对同一个问题，一个具体的回答应该比其他回答好多少。这个“优势”是怎么算的呢？就是用这个回答的原始奖励，减去这组的平均奖励，再除以这组的标准差，这样来调整。这种“组内相对”的调整，考虑了模型在这个特定问题上的整体表现，相当于根据一个回答在这个组里的独特性或表现力，来决定是惩罚它还是奖励它。视频里特别强调，这种优势函数的近似计算方法不仅计算成本低，而且它本身就考虑了问题的难度，是实现有效强化学习的一个关键创新。 这个“优势函数”其实反映了我们对一个回答到底有多“好”的信心：如果优势是正的，那就会鼓励我们提高这个回答被选中的概率；如果是负的，就会让我们降低这个概率。接着，视频提到了一个 `pi_theta_old`，用它来形成一个比率，衡量当前这个回答的概率跟它以前的状态偏离了多少。还有一个“裁剪”机制，就是用 `1 +/- epsilon` 来限制这些概率更新的幅度，这样可以避免变化太大，保证学习的稳定性。 现在的强化学习目标函数，都会通过像“裁剪项”和“最小值函数”这样的机制，来引入一种“保守性”。这主要是因为，不像监督学习能提供很细致的反馈，强化学习给的奖励往往是稀疏的，而且是针对整个序列的（比如，一个完整的回答是对还是错）。这种“嘈杂”的反馈很难让我们精准地找出具体是哪里错了，所以如果进行大幅度的负向更新，可能会适得其反。因此，强化学习模型会被鼓励进行更保守的梯度更新，尽量保持和旧的概率接近。“最小值函数”呢，就是专门限制了即使某个回答的优势很大，当它的概率增加超过某个阈值后，所能获得的好处也会被限制。这样做的目的是避免模型过度优化某一个回答，而是鼓励它把概率的提升更广泛地分散到整个策略中。 总的来说，这个目标函数通过迭代调整回答的概率，来优化模型在整个数据集上的表现。同时，它还加入了一些机制来防止“奖励作弊”（就是给某个回答分配过高的概率）以及培养保守性。其中一个关键的组成部分是KL散度项，它会惩罚当前策略偏离一个固定的、基准参考模型（比如DeepSeq V3）的程度。这一项确保模型能保持在初始状态附近，避免在强化学习过程中偏离太远。整个目标函数平衡了两个点：既要让模型表现比基准模型更好，又要保持和基准模型的相似性，而一个叫“beta”的项就是用来控制这种权衡的。另外，还有一些“小技巧”，比如概率比率裁剪和最小值函数，它们会进一步限制更新，通过防止过度优化和快速偏离我们原有的认知，确保学习的稳定性和鲁棒性。

【奇点时代】夏总吃醋

正常的夏总和醉酒的夏总吃醋，你更喜欢哪个版本的？ 图片是奇点Chat用户生成的，文字是@PHR是大睡神 加的，声音是我用AI做的。

7月开始学习大模型，零基础需要多久？

7月开始学习大模型，零基础需要多久？

Scale AI CEO 亚历山大·王的“无限市场”洞察