youcans的博客

GPT-4o 的图像生成，具有精准呈现文本、严格遵循指令、巧妙运用4o 内置知识库与对话上下文的特点。本文详细介绍 GPT-4o 的图像生成，并全文翻译官方技术报告 “Addendum to GPT-4o System Card: Native image generation”。

2025年 3月1，谷歌推出最新多模态大模型 Gemma-3。这是一组轻量级、最先进的开源模型，可以直接在手机、PC、工作站上快速运行。本文详细介绍 Gemma-3 技术报告。

Zotero 作为一款免费开源的文献管理工具，具有强大的功能和灵活的扩展性，特别是可以集成 Deepseek 进行 AI辅助文献阅读。本文针对新手，从安装与配置开始，详细介绍如何利用 Zotero 及其插件打造高效的文献阅读与研究环境。

2025年 2月，DeepSeek 发布最新论文提出一种新的注意力机制 NSA，用于超快长上下文训练和推断的本地可训练的稀疏注意力机制，还具有与硬件对齐的特点。NSA 融合动态分层稀疏策略，结合粗粒度token压缩和细粒度token选择，兼顾全局上下文感知与局部精度，改进了传统稀疏注意力设计。

GPT-4V（ision）可以用于医疗应用吗？上海交通大学 Chaoyi Wu 等发布研究报告【GPT-4V用于多模态医学诊断的案例研究】。本研究旨在评估OpenAI最新模型GPT-4V(vision)的性能，特别是在多模态模式医学诊断领域。探索了 GPT-4V 在多种临床任务中的能力，包括成像模式和解剖识别、疾病诊断、报告生成、疾病定位。

本系列前文已经逐篇介绍了从 DeepSeek LLM、DeepSeek MoE、DeepSeek V2、DeepSeek V3 到 DeepSeek R1 的内容。本文围绕 DeepSeek 系列论文和模型的发展历程，从基础架构探索、混合专家（MoE）优化、高效推理突破、强化学习驱动 四个阶段 进行总结和分析，

DeepSeek R1 推理大模型的发布颠覆了我们的认知。本文介绍从 DeepSeek LLM、DeepSeek MoE、DeepSeek V2、DeepSeek V3 到 DeepSeek R1 的发展历程。本系列将逐篇解读 DeepSeek 论文和模型。

论文介绍了DeepSeek LLMs，这是一系列在2万亿标记的英语和中文大型数据集上从头开始训练的开源模型。本文深入解释了超参数选择、扩展定律以及做过的各种微调尝试。校准了先前工作中的扩展定律，并提出了新的最优模型/数据扩展-缩放分配策略。

论文提出了MoE语言模型的DeepSeekMoE架构，目的是实现终极的专家专业化(expert specialization)。通过细粒度的专家分割和共享专家隔离，DeepSeekMoE相比主流的MoE架构实现了显著更高的专家专业化和性能。

DeepSeek-V2 是一个混合专家（MoE）语言模型，采用多头潜在注意力（MLA）和 DeepSeek 混合专家 （MoE） 的创新架构，在资源利用和性能之间达到很好的平衡。DeepSeek-V2 支持 128K 长度的上下文，具有强大的性能，经济训练和高效推理的特点。

DeepSeek-V3是一款强大的混合专家（MoE）语言模型，总参数量为6710亿，在性能上超越了其他开源模型，并达到了与领先闭源模型相当的水平。DeepSeek-V3不仅采用多头潜在注意力MLA和深度探索MoE架构，还开创了无辅助损失的负载均衡策略。

本文由 youcans@xidian 对论文 DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning 进行摘编和翻译。该论文版权属于原文期刊和作者，本译文只供研究学习使用。

2023 年 9 月，微软在 CVPR2023 发表论文「 多模态基础模型：从专家到通用助手 」（Multimodal Foundation Models: From Specialists to General-Purpose Assistants） 。本文全面综述了多模态基础模型的分类和演化，这些模型展示了视觉和视觉语言能力，并重点关注了从专家向通用助手的过渡。

微软在 CVPR2023 发表论文「 多模态基础模型：从专家到通用助手 」（Multimodal Foundation Models: From Specialists to General-Purpose Assistants） 。本文全面综述了多模态基础模型的分类和演化，这些模型展示了视觉和视觉语言能力，并重点关注了从专家向通用助手的过渡。

2023 年，微软在 CVPR2023 发表论文「 多模态基础模型：从专家到通用助手 」（Multimodal Foundation Models: From Specialists to General-Purpose Assistants） 。本文全面综述了多模态基础模型的分类和演化，这些模型展示了视觉和视觉语言能力，并重点关注了从专家向通用助手的过渡。

2023 年，微软在 CVPR2023 发表论文「 多模态基础模型：从专家到通用助手 」（Multimodal Foundation Models: From Specialists to General-Purpose Assistants） 。本文全面综述了多模态基础模型的分类和演化，这些模型展示了视觉和视觉语言能力，并重点关注了从专家向通用助手的过渡。

2023 年 6 月，微软在 CVPR2023 发表论文「 多模态基础模型：从专家到通用助手 」（Multimodal Foundation Models: From Specialists to General-Purpose Assistants） 。本文全面综述了多模态基础模型的分类和演化，这些模型展示了视觉和视觉语言能力，并重点关注了从专家向通用助手的过渡。

2023 年 6 月，微软在 CVPR2023 发表论文「 多模态基础模型：从专家到通用助手 」（Multimodal Foundation Models: From Specialists to General-Purpose Assistants） 。本文全面综述了多模态基础模型的分类和演化，这些模型展示了视觉和视觉语言能力，并重点关注了从专家向通用助手的过渡。本节还包括全书的 568 篇参考文献。

Meta开源Llama 3大模型，并发布92页重磅技术报告，全面揭秘其背后的技术细节，涵盖数据、训练、多模态等多个方面。

『Finetuning Large Language Models』是DeepLearning.AI出品的免费课程，版权属于DeepLearning.AI(https://www.deeplearning.ai/)。本文是对该课程内容的翻译整理，只作为教育用途，不作为任何商业用途。

【GPT-4 】官方[研究进展]、[技术报告]全面解读。综合性能，图像输入，私人定制，事实判断的局限性，风险与应对，模型训练过程，用户政策和价格，API 使用。GPT-4 是 OpenAI 在深度学习领域的最新里程碑。GPT-4 是一个大型多模态模型，可以接受图像和文本输入，发出文本输出。虽然 GPT-4在许多现实世界场景中的能力仍然不如人类，但在各种专业和学术基准上已经表现出人类水平的性能。

『ChatGPT Prompt Engineering for Developers』是 吴恩达/DeepLearning.AI 为开发者准备的提示工程课程。本文对该课程内容的完整翻译和整理，完整 PDF 版已上传到 GitHub，详见内文。

本文详细解读：微软研究院最新发布的 「 人工智能的火花：GPT-4 的早期实验 」，本文公开了对 GPT-4 进行的全面测试。GPT-4 除了掌握语言之外， 无需任何特殊提示就可以解决跨越数学、编程、视觉、医学、法律、心理学等领域的新颖而困难的任务。GPT-4 可以被视为 通用人工智能（AGI）的早期版本。

微软研究院在 arXiv上发布了论文【Sparks of Artificial General Intelligence: Early experiments with GPT-4】，公开了对 GPT-4 进行的全面测试。 本系列介绍该文的主要内容，本文为第2部分： 多模态与跨学科的组合（Multimodal and interdisciplinary composition）

微软研究院最新发布「 GPT-4 的早期实验 」 ，公布了对 GPT-4 进行的全面测试。本文介绍第三部分：GPT4 的编程能力。GPT-4 可以处理广泛的编程任务，从编程挑战到现实世界的应用，从低级汇编到高级框架，从简单的数据结构到复杂的程序。GPT-4 还可以对代码执行进行推理，模拟指令的效果，并用自然语言解释结果。GPT-4 甚至可以执行伪代码，这需要解释在任何编程语言中都无效的非正式和模糊的表达。

欢迎关注【youcans的AGI学习笔记】原创作品，火热更新中微软 GPT-4 测试报告（1）总体介绍微软 GPT-4 测试报告（2）多模态与跨学科能力微软 GPT-4 测试报告（3）编程能力微软 GPT-4 测试报告（4）数学能力【GPT4】微软 GPT-4 测试报告（4）数学能力4. 数学能力（Mathematical abilities）4.1 与 GPT4 的数学对话（A mathematical conversation with GPT-4）4.1.1 对原问题做第一次变化4.1.

微软研究院发布「 GPT-4 的早期实验 」 ，公布了对 GPT-4 进行的全面测试。本文介绍第 5 部分：GPT4 与外界的交互。主要结论：文本是一个强大的接口，允许 GPT-4 执行需要理解环境、任务、动作和反馈的行动，并进行相应的调整。

微软研究院新发布 「GPT-4 的早期实验 」 ，公布了对 GPT-4 进行的全面测试。本文介绍第 6 部分：GPT4 与人类的交互能力。基本结论为：GPT-4具有非常先进的智力水平。GPT-4 在生成与输出一致的解释方面表现出了卓越的技能。

微软研究院最新发布「GPT-4 的早期实验 」，公布了对 GPT-4 进行的全面测试。本文介绍第 7 部分：GPT4 的判别能力。基本结论为：GPT-4 能够很好地理解上下文信息，通过上下文判别语境。 GPT-4 还能够从多个答案（解释）中，判别和理解哪一个答案更合理。

微软研究院对 GPT-4 进行的全面测试，本文介绍第 8 部分：局限性、第9部分：社会影响GPT4 的自回归模型不允许回溯，因此规划能力相对较弱，在不连续任务中存在局限性。GPT4 将挑战许多人类专业知识的传统概念和假设，也将为职业创新和转型提供丰富的机会。期待通过人工智能技术支持人类的能动性和创造力，并增强和扩展人类的能力。GPT4 对于人类社会的各个方面都将带来深刻影响。

微软研究院最新发布的论文 「 人工智能的火花：GPT-4 的早期实验 」 ，公布了对 GPT-4 进行的全面测试。本文介绍最后一部分：结论与展望。

7 个向 chatGPT 高效提问的方法：1. 明确问题，2. 简洁清晰，3. 避免歧义，4. 提供上下文，5. 避免重复，6. 适当追问，7. 尊重机器人。本文是作者与 GPT 进行的研究分析。作者对 chatGPT 的回答进行了整理和文字润色。

本文万字详解图文版 ChatGPT的原理与使用。介绍Visual ChatGPT的处理流程、操作实例、技术原理、系统架构、模块说明、基本规则，Github下载方法、运行指南、代码解读、常见错误，论文解读。

HuggingGPT 将语言作为通用接口、将 LLM 作为控制器，管理现有的人工智能模型。HuggingGPT 通过 ChatGPT 管理 HuggingFace 上集成的数百个模型，覆盖文本分类、目标检测、语义分割、图像生成、问答、文本到语音、文本到视频等不同模态和领域的任务。HuggingGPT 的工作流程：任务规划，模型选择，任务执行，响应生成。