常用ChatGPT类模型的总结

最新推荐文章于 2025-12-17 17:41:55 发布
原创 最新推荐文章于 2025-12-17 17:41:55 发布 · 374 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能 #chatgpt #机器学习 #llama

文章列举了多个基于ChatGPT概念的智能对话模型，包括商用的ChatGPT、Claude和文心一言，以及开源项目LLama、MiniGPT-4和HuggingChat。这些模型展示了人工智能在语言理解和生成方面的进展，允许用户进行私有化部署和体验智能对话。

做一个现在常用ChatGPT类模型的总结，后续会持续更新，大家如果有新的可以在评论里说

一、商用的（不开源）的：

ChatGPT:

https://chat.openai.com/

Claude:

可以参考我的这篇文章，北方的郎：Anthropic Claude 试用感觉

网址：https://www.anthropic.com/index/claude-now-in-slack

文心一言：

网址：文心大模型-产业级知识增强大模型

微软的BingChat

北方的郎：微软放大招，所有人都能用New Bing了

二, 开源的：

LLama

可以参考我的文章：北方的郎：建立自己的ChatGPT：LLama私有化部署及测试

https://ai.facebook.com/blog/large-language-model-llama-meta-ai/

LLaMA: Open and Efficient Foundation Language Models

MiniGPT-4

可以参考我的文章：北方的郎：MiniGPT-4来了、脱胎于LLama、开源且好用

HuggingChat

可以参考我的文章：北方的郎：HuggingChat来了-各种Chat这么火Huggingface终于也忍不住了

私有部署类chatGPT大语言模型的几种方案
沧海之巅的专栏
04-14 5298
架构，具有 62 亿参数。经过约 1T 标识符的中英双语训练，辅以监督微调、反馈自助、人类反馈强化学习等技术的加持，62 亿参数的 ChatGLM-6B 已经能生成相当符合人类偏好的回答，更多信息请参考我们的。经过约 1T 标识符的中英双语训练，辅以监督微调、反馈自助、人类反馈强化学习等技术的加持，62 亿参数的 ChatGLM-6B 已经能生成相当符合人类偏好的回答。，如事实性/数学逻辑错误，可能生成有害/有偏见内容，较弱的上下文能力，自我认知混乱，以及对英文指示生成与中文指示完全矛盾的内容。
【大模型】ChatGPT 高效处理图片技巧使用详解
congge
01-20 1万+
ChatGPT 高效处理图片技巧使用详解
chatGPT本地部署
weixin_42591413的博客
02-09 3033
chatGPT是一种使用自然语言生成(NLG)技术的聊天机器人，可以使用生成对话模型(GPT)训练出来的模型来回答用户的提问或对话。 要在本地部署chatGPT，您需要： 安装Python环境，并使用pip安装chatGPT所需的依赖包。 下载并解压缩chatGPT的代码库。 在代码库目录中运行命令行，使用如下命令启动chatGPT： pythonmain.py 在浏览器中打开htt...
本地化部署AI语言模型RWKV指南，ChatGPT顿时感觉不香了。
Linux I Tell U
05-29 1万+
之前由于ChatGpt处处受限，又没法注册的同学们有福了，我们可以在自己电脑上本地化部署一套AI语言模型，且对于电脑配置要求也不是非常高，对它就是`RWKV`。 # 关于RWKV RWKV是一个开源且允许商用的大语言模型，灵活性很高且极具发展潜力，它是一种纯 RNN 的架构，能够进行语言建模，目前最大参数规模已经做到了 14B，该模型训练由Stability赞助。本文发布时RWKV在GitHub上已获得7.8k stars，还在迅速增长中。
高效又稳定的ChatGPT大模型训练技巧总结，让训练事半功倍！
夕小瑶科技说
04-17 9059
文｜python前言近期，ChatGPT成为了全网热议的话题。ChatGPT是一种基于大规模语言模型技术（LLM， large language model）实现的人机对话工具。现在主流的大规模语言模型都采用Transformer网络，通过极大规模的数据进行自监督训练。但是，如何构建自监督训练数据？在基础的Transformer结构上，大家又做了哪些创新呢？为了保证训练过程高效且稳定，又有哪些黑科...
高效使用chatGPT等大模型方法
刘乐乐的博客
06-19 2333
一、大模型相关概念和价值 二、chatGPT高效使用官方说明 三、使用chatGPT通用技巧
ChatGPT 学习与使用总结
Life runs on code
05-14 1万+
最近ChatGPT大火，2023有可能就是AGI元年了。近两个月使用下来，ChatGPT给我最深刻的感觉就是它所具备的**理解和思维**能力，第一次体验时真的是非常震撼，完全是之前各种『人工智障』智能助理所不能比拟的，第一次感觉这才是真正的『人工智能』，项目组里小伙伴也各个都玩的乐此不疲。后面介绍一下我自己这段时间使用体验。
ChatGPT学习笔记——大模型基础理论体系
GUANYX的博客
01-03 2391
在文本预训练的基础上，ChatGPT 的基础大模型采用 159G 的代码进行了继续预训练，借助代码分步骤、分模块解决问题的特性，模型涌现出了逐步推理的能力，在模型表现上不再是随着模型规模线性增长，有了激增，打破了 scaling law；稀疏化将大量的冗余变量去除，简化模型的同时保留数据中最重要的信息。： ChatGPT 通过基于人类反馈的强化学习使模型的生成结果更符合人类预期，然而这也导致了模型的行为和偏好一定程度上反映的是标注人员的偏好，在标注人员分布不均的情况下，可能会引入新的偏见问题。
ChatGPT类大模型应用入门了解与使用
abc1564984930的博客
05-23 1672
帮助了解和熟悉ChatGPT类大模型的概念和入门使用
ChatGPT 使用教程：深度探索AI常用功能技巧
热门推荐
优快云博客专家，系统架构师，有合作、疑惑请私信博主。
03-07 7万+
ChatGPT 使用教程：深度探索 AI 智能常用功能技巧，开源免费的ChatGPT使用教程，使用方式。在科技飞速发展的当下，人工智能（AI）早已从科幻构想走进现实，深度融入人们的生活与工作。ChatGPT 作为 OpenAI 研发的先进大型语言模型，凭借强大的自然语言处理能力和广泛的应用场景，吸引了全球众多用户的关注。无论是学生、职场人士，还是科研人员、创作者，都能借助 ChatGPT 提升效率、激发创意。不过，想要充分挖掘 ChatGPT 的潜力，掌握使用技巧至关重要。本文将深入剖析 ChatG
ChatGPT的模型自适应与领域迁移技巧与实验分享.docx
07-22
领域迁移则涉及到将ChatGPT模型的知识应用到新的任务或领域中。其中，层间知识迁移是一种有效策略，它允许模型的底层参数保持不变，仅调整顶层参数以适应新领域。这样做的好处是减少了训练成本，同时减少了对原始...
ChatGPT技术应用中的模型优化与轻量化方法总结.docx
09-01
ChatGPT 模型优化与轻量化方法总结 ChatGPT 技术作为一种具有代表性的生成式对话系统，被广泛应用于对话场景中。然而，由于模型庞大、计算资源消耗大等问题，提高 ChatGPT 技术的效率和轻量化成为了当前研究的热点...
以太联的自愈功能与看门狗机制解析
suzhou_speeder的博客
12-15 1074
看门狗(Watchdog)是一种硬件或软件实现的定时器机制，其核心功能是监控系统或程序的运行状态，防止程序跑飞或陷入死循环。案例：车载以太网交换机通过硬件看门狗实时监测链路状态，若检测到链路中断(如3ms内未收到心跳包)，立即启用备用路径，确保刹车、转向等关键系统永不掉线。案例：某智能工厂的PLC(可编程逻辑控制器)采用软件看门狗，若主程序因干扰死机，看门狗机制自动重启PLC，恢复生产流程。三者协同工作，实现“设备-交换机-网络”三级自愈，显著提升网络可靠性、降低运维成本，并为企业数字化转型提供坚实基础。
多模态赋能情绪理解：Qwen3-VL+LLaMA-Factory 的人脸情绪识别实战
最新发布
Lab4AI的博客
12-17 492
本项目依托Lab4AI平台，基于LLaMA-Factory成功对Qwen3-VL进行了完整的微调流程。我们将传统的人脸情绪识别任务与多模态大语言模型（MLLM）相结合，探索了MLLM在视觉情绪理解中的应用。通过微调Qwen3-VL，我们成功将传统的分类任务转化为多模态推理任务，显著提升了模型在复杂场景下的鲁棒性和准确率。这一方案不仅在人脸情绪识别上取得了显著提升，还为其他视觉任务的多模态大模型应用提供了新的思路，具有广泛的应用前景。
Transformer架构的原理是什么？
SACKings的博客
12-15 709
对于“Thinking”这个词，它的输出向量可能包含了90%它自己的信息和10%“Machines”的信息。而对于“Machines”，它的输出可能包含了70%它自己的信息和30%“Thinking”的信息。Transformer 架构的原理是理解现代大模型（如 GPT、BERT、T5 等）的基石。正是因为这些原理上的优势，Transformer才取代了RNN和CNN，成为了当今AI大模型时代的统治性架构。的（打乱输入顺序，输出可能不变），它没有内置的位置概念。Q·K 然后Softmax。
AIDD-人工智能药物设计-扩散模型热力学：从 AI 提取物理能量
itwangyang520的博客
12-14 1088
扩散模型的核心是加噪与去噪。这对业界的启示是，要实现精准医疗，特别是针对耐药突变的药物设计，不能仅依赖大语言模型（Large Language Model, LLM）处理序列。他们从文献和数据库中挖掘了过去被忽略的细节：氨基酸的替换、插入、缺失，以及关键的磷酸化修饰，最终整理出 4032 对新的激酶 - 配体数据。GeneGPT 曾展示了大语言模型（LLM）在生物医药领域的潜力，而 OpenBioLLM 提出了不同于 GeneGPT 单体（Monolithic）架构的方案：组建由「专家」构成的团队。
vLLM推理引擎教程4-离线推理功能
benben044的专栏
12-12 1157
本文介绍了使用vLLM框架优化推理性能的多种方法。主要内容包括：1）基础文本生成、对话式推理、文本分类和嵌入提取四种任务的基本实现；2）自动前缀缓存功能，通过共享KV缓存加速长上下文处理；3）使用YARN方法扩展模型上下文长度；4）多模态任务处理示例（Whisper语音识别）；5）底层LLMEngine API的使用。文章通过具体代码示例展示了如何设置参数实现各类推理优化，包括温度调节、top-p采样、缓存复用等技巧，适用于文本生成、分类、嵌入等多种NLP任务场景。
观成科技:Zloader木马家族加密流量分析
GCKJ_0824的博客
12-12 859
摘要：Zloader木马最初作为银行木马Zeus的下载器，现被广泛用于勒索软件投递。其采用多种加密通信技术规避检测：1）DGA技术生成随机域名；2）DNS隧道隐藏数据；3）HTTPS加密通信；4）Websocket掩码加密。最新版本通过会话密钥强化DNS隧道加密。观成科技利用AI模型结合TLS指纹检测HTTPS加密流量，持续通过行为分析和机器学习应对加密威胁。研究表明，恶意软件正不断升级流量对抗技术，凸显加密流量检测的重要性。（149字）
nl2sql技术实现自动sql生成之Spring AI Alibaba Nl2sql
疾风sxp的博客
12-15 948
上一节我们在介绍了自然语言转sql的基本思路，今天我们通过实操来解决这一技术实现，通过Spring AI Alibaba开源的nl2sql框架进行这块技术的讲解。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值