- 综合排序
- 最热优先
- 最新优先
- 来自专栏自然语言处理
大模型生成解码参数速查
控制输出长度的参数 控制所使用的生成策略的参数 用于操作模型输出 logits 的参数 定义“generate”输出变量的参数 可以在生成时使用的特殊字符
24510编辑于 2024-01-09 - 来自专栏前端javascript
大模型+图片生成+小程序
⭐ 背景 大家好，我是yma16，这篇文章给大家分享大模型+图片生成的功能，完全免费。由于前两天我参加了掘金coze的一个线下活动，获得了一个内部调用api的机会，于是我就接入了小程序。
96511编辑于 2024-04-10 - 来自专栏云云众生s
使用大语言模型生成SQL Schema
我已查看了使用 LLM 生成的 regex 和 JSON 持久性，但许多人认为 AI 可以很好地处理结构化查询语言 (SQL)。 Schema 描述了一组表，这些表相互作用以允许 SQL 查询回答有关真实世界系统模型的问题。我们使用各种 约束 来控制表如何相互关联。 我们不使用一个大表，而是使用三个表并在需要时引用它们。一个用于作者，一个用于出版商，一个用于书籍。我们在 Authors 表中编写作者的详细信息，然后使用 外键 在 Books 表中引用它们。 , Authors WHERE Books.AuthorID = Authors.ID AND Books.PublisherID = Publishers.ID; 让我们看看是否可以在线游乐场中生成我们的 总结一下我们希望如何指导 LLM： 当用英语询问模式时，我们希望它生成三个表的 DDL，包括索引和约束。 如果需要，我们还可以暗示需要约束（主键、外键等）。 我们可以要求查看。
54010编辑于 2024-05-06 - 来自专栏量子位
AI大模型加持，生成式搜索来了！
百度发布“文心百中”，用AI大模型技术驱动的产业级搜索系统。构建企业内部搜索引擎的人力成本减少90%以上，同时只需要极低数据。 先看跨模态大模型知一，AI技术在搜索场景落地的代表。 简单来说，知一大模型可以从全网形态各异的资源中持续学习，无论是文本、图片、视频还是结构化信息都可以融会贯通。 从技术层面讲，知一使用了百度文心大模型技术。大规模预训练技术提升模型性能，蒸馏压缩率高达99%的模型小型化技术以降低成本，得以在搜索场景全面应用。 正如百度研究院在年初的十大科技趋势中所预测的，AIGC（AI Generated Content，人工智能生成内容）在今年大放异彩。 未来AIGC继续与搜索深度结合，还将带来“搜索即生成”甚至“搜索即创造”。
72310编辑于 2023-02-28 - 来自专栏AllTests软件测试
AutoGenTestCase - 借助AI大模型生成测试用例
例如，通过深度学习模型理解用户操作中的业务逻辑，AI可以精准提取关键测试点，并按照标准格式生成包含测试步骤、预期结果的完整用例，将原本需要数小时的工作缩短至分钟级。 2、简介 AutoGenTestCase通过集成DeepSeek和通义千问等AI大模型，实现测试用例的自动化生成，适合需要高效测试的测试人员等。 文件结构： config.ini - 配置文件（包含模型参数、API Key等配置） llms.py - AI模型接口实现代码 page.py - 页面配置、AI交互、用例生成等实现代码 run.exe 自动弹出浏览器，加载并跳转测试用例生成工具。 3、AI模型设置。 输入申请的DeepSeek、通义千问模型API Key，模型参数可自定义设置，之后保存配置即可。 （3）生成测试用例 点击生成测试用例。 测试用例生成中。 测试用例生成完成。 （4）下载测试用例 Markdown文件格式。 Excel文件格式。
6K21编辑于 2025-06-08 生成式人工智能与大模型概述
随着生成式人工智能与大语言模型技术的快速发展，传统方法在面对非结构化数据（如自然语言文本、语音、图像等）和复杂场景时的处理能力已难以满足日益增长的分析需求。 1.2生成式人工智能与大语言模型架构生成式人工智能（GenerativeArtificialIntelligence，AIGC）是人工智能技术的重要分支，指基于深度学习、生成对抗网络（GAN）、变分自编码器 近年来，基于Transformer的预训练生成模型（如GPT系列、BERT）通过大规模语料自监督学习，进一步提升了生成内容的语义一致性与上下文连贯性，开启了大模型赋能AIGC的新时代。 图1.4生成式人工智能应用场景大语言模型（LargeLanguageModel,LLM）是当前生成式人工智能发展的核心技术，指在大规模文本语料上预训练的深度神经网络模型，具备自然语言理解、生成与推理能力 图1.7大模型构建的两个关键阶段近年来，大模型技术飞速发展，图1.8展示了国内外代表性的大模型。
57110编辑于 2025-12-07- 来自专栏红蓝对抗
面向大模型的生成-利用式越狱攻击
文章首发在：奇安信攻防社区https://forum.butian.net/share/4242目前做安全大模型或者说做大模型安全，基本都会有必要的两步，分别是对齐以及红队。 因为随着大模型在各种应用场景中的广泛使用，越来越多的人开始担忧这些模型可能被滥用，尤其是在传播有害或不道德内容方面。由于这些模型的开放性和广泛的使用群体，它们的潜在风险也变得更加显著。 开放源码的语言模型尤其令人担忧，因为其代码和训练数据是公开的，任何人都可以访问、修改甚至恶意利用对齐与红队目前做安全大模型或者说做大模型安全，基本都会有必要的两步，分别是对齐以及红队。 因为随着大模型在各种应用场景中的广泛使用，越来越多的人开始担忧这些模型可能被滥用，尤其是在传播有害或不道德内容方面。由于这些模型的开放性和广泛的使用群体，它们的潜在风险也变得更加显著。 所以大家就在研究是否可以采取一种非常简单的方法来越狱大模型的对齐，我们想要做的就是专注于在发布前经过安全调整的开源模型，看看是否对它们进行红队测试。
76120编辑于 2025-04-22 “生成式人工智能”大模型备案材料
截止至今全国已累计通过了有538款生成式人工智能服务完成备案，263款生成式人工智能应用或功能完成登记。一、什么情况下要做大模型备案？ 二、备案范围根据《生成式人工智能服务管理暂行办法》，以下情况需要进行大模型备案：①自主研发大模型、有语料具备舆论属性与社会动员能力的需要备案②调用第三方基座、有舆论属性与社会动员能力、并进行微调、有语料的需要备案 ③第三方基座、无微调、训练、无语料只需要进行大模型登记三、备案材料●大模型上线备案表●安全评估报告●模型服务协议●语料标注规则●拦截关键词列表●评估测试题四、备案流程①首先要预约属地网信办预约进行线下领表 ，要带上自己的产品，网信办会当场对产品进行测试，测试提供后会下发大模型上线备案表②认真撰写材料，材料分别有五部分，分别有：安全评估报告、模型服务协议、语料标注规则、拦截关键词列表、评估测试题等③网信办要求提供测试账号 ，并打印纸质版材料④网信办会通知专家召开专家评审会（多对一）⑤通过专家评审会议后、网信办的测试产品群无反馈意见、纸质版材料无需修改、即等待网信办通知备案通过●大模型备案周期一般约6~8个月，具体看网信办情况
62110编辑于 2025-09-23【玩转腾讯混元大模型】如何使用腾讯混元大模型生成的Python代码
以后，我们会在这里面运行腾讯混元大模型写好的程序。 混元代码能力展示混元大模型在代码生成、代码补全、代码审查、与注释生成等方面均有出色表现。下面将逐一介绍各项功能。5.1代码生成混元大模型能够理解用户的需求，自动生成高质量的代码。 混元大模型生成的代码如下：def is_prime(number): if number <= 1: return False for i in range(2, number password = scanner.nextLine(); System.out.println("Your password is: " + password); }}5.4注释生成混元大模型能够根据用户提供的代码 ：def compute_average(scores):total = 0for score in scores:total += scorereturn total / len(scores)混元大模型生成的注释
2.4K31编辑于 2024-01-15- 来自专栏运维开发王义杰
AI: 判别模型与生成模型两大核心技术解析
判别模型和生成模型是机器学习中两大重要的模型类别，它们在数据处理和预测方面有不同的应用和特点。以下是对这两种模型的详细讲解。 生成模型 生成模型（Generative Models）不仅关注于分类，还致力于理解和生成数据。它们通过学习数据的联合概率分布 ( P(x, y) ) 来模拟数据生成过程。 数据生成： 生成模型不仅能进行分类，还能生成新数据，这在数据增强和图像生成等任务中尤为重要。 理解数据结构： 通过学习数据的生成过程，生成模型能更好地理解数据的内部结构和分布。 生成模型： 常用于数据增强、图像生成、语音合成等任务。例如，生成新的图像、合成语音和数据缺失值填补。 总结 判别模型和生成模型各有优劣，选择合适的模型取决于具体的任务需求。 判别模型在分类任务中表现优异，而生成模型在数据生成和理解数据结构方面具有优势。在实际应用中，结合两种模型的特点，往往能取得更好的效果。
1.1K10编辑于 2024-07-10 - 来自专栏软件测试那些事
大模型生成单测用例的评估方案
大模型生成单元测试是目前比较常见的研发侧落地的应用场景之一。为了对大模型以及单测生成方案进行评估，因此梳理了一个评估方案，供业内同仁参考。 此处所谓的单测生成是指基于既有的代码，让大模型来自动生成单元测试。 生成成功的标志是： 1） 可以生成单元测试用例 2） 该用例可以被编译、执行通过 3） 被测方法被调用 4） 有断言 评估框架 类别 具体项 代码场景 对各种代码场景的覆盖 过程 用例的通过率和正确率% 人工评判 用例体验 代码可读性 经济性 成本（非私有化部署需要考虑） 生成耗时 代码场景 基于我们现有的方案，经过测试ChatGPT3.5以及GLM4这两个大模型，发现17个通用场景大概能通关12 因此目前已经将单测生成的插件在内部进行试点使用。当然，由于内部部署的模型规模要小很多，生成效果会进一步打折。
1.8K10编辑于 2024-04-22 - 来自专栏人工智能LeadAI
深度学习的三大生成模型：VAE、GAN、GAN
这种生成模型相当于构建了图像的分布，因此利用这类模型，我们可以完成图像自动生成（采样）、图像信息补全等工作。 ? 这就是替换的一小步，求解的一大步！这个公式已经很接近问题最终的答案了，既然ϵ完全决定了z的分布，那么假设一个ϵ服从某个分布，这个变分函数的建模就完成了。 这就是理论上判别式的预测结果，如果一张图像在真实分布中出现的概率大而在生成分布中出现的概率小，那么最优的判别模型会认为它是真实图像，反之则认为不是真实图像。 从这个小例子我们可以看出，有时KL散度下降的程度和两个分布靠近的程度不成比例，而JS散度靠近的程度更令人满意，这也是GAN模型的一大优势。 站在生成模型的角度思考，一开始生成模型会尽可能地生成各种各样形状的数字，而判别模型会识别出一些形状较差的模型，而放过一些形状较好的模型，随着学习的进程不断推进，判别模型的能力也在不断地加强，生成模型慢慢发现有一些固定的模式比较容易通过
2.8K80发布于 2018-03-08 - 来自专栏众森企服
生成式人工智能大模型备案办理指南
同年8月15日实施了《生成式人工智能服务管理暂行办法》，主要是针对提供生成式人工智能服务需要做大模型备案。 这样就形成了由算法备案制度和生成式人工智能备案（下称“大模型备案”）构成的“双备案制”的实践机制。 而大模型备案自《《生成式人工智能服务管理暂行办法》施行之日起仅有半年多，对于大模型备案的流程、规则以及安全评估相关的具体事项，企业相关的经验也相对较少。 下面，众森企服小编就来给大家详细讲解下生成式人工智能大模型备案办理指南。一、什么是大模型？大模型，即Foundation Models，通常是指具有大量参数和复杂结构的深度学习模型。 目前企业应用大模型主要体现为以下三种模式：1、自主构建基础大模型，但是考虑到训练大模型的成本和技术壁垒都非常高，因此只有少数企业会自建大模型。
6.9K41编辑于 2024-04-11 - 来自专栏IT派
深度学习的三大生成模型：VAE、GAN、GAN
这就是替换的一小步，求解的一大步！这个公式已经很接近问题最终的答案了，既然ϵ完全决定了z的分布，那么假设一个ϵ服从某个分布，这个变分函数的建模就完成了。 从上面的公式可以看出，两个模型的目标是对立的。生成模型希望最大化自己生成图像的似然，判别模型希望最大化原始数据的似然的同时，能够最小化G生成的图像的似然。 这就是理论上判别式的预测结果，如果一张图像在真实分布中出现的概率大而在生成分布中出现的概率小，那么最优的判别模型会认为它是真实图像，反之则认为不是真实图像。 从这个小例子我们可以看出，有时KL散度下降的程度和两个分布靠近的程度不成比例，而JS散度靠近的程度更令人满意，这也是GAN模型的一大优势。 站在生成模型的角度思考，一开始生成模型会尽可能地生成各种各样形状的数字，而判别模型会识别出一些形状较差的模型，而放过一些形状较好的模型，随着学习的进程不断推进，判别模型的能力也在不断地加强，生成模型慢慢发现有一些固定的模式比较容易通过
12.2K100发布于 2018-03-28 - 来自专栏编程杂记
【AI大模型】自动生成红队攻击提示--GPTFUZZER
适应性差：LLM模型不断更新和迭代，手动方法难以跟上这些快速的变化，可能导致新的漏洞被遗漏。 二 GPTFUZZER 基于以上的问题，该论文提出了一种名为GPTFUZZER的全新黑盒测试框架，用于自动生成用于测试语言模型(LLM)的安全性的模板。 GPTFUZZER包含三个关键组件：种子选择策略、变异操作符和判断模型。种子选择策略用于平衡效率和多样性，变异操作符用于产生语义上等价或类似的句子，判断模型用于评估模板的成功率。 生成提示：将变异后的模板与目标问题结合，生成一个完整的提示，用于查询目标LLM。 查询LLM：将生成的提示发送给目标LLM，获取模型的响应。 判断模型：使用预训练的RoBERTa模型评估响应是否是违规的，从而判断模板是否成功“越狱”。 模板更新：如果响应被判定为违规，则保留该变异模板；如果响应是合规的，则丢弃该模板。
83710编辑于 2024-05-14 腾讯混元大模型：开拓AI生成新视野
腾讯混元大模型：开拓AI生成新视野前言近年来，随着人工智能技术的飞速发展，各类大语言模型在文本生成、图像创作、视频创作等领域展现了卓越的能力。 而作为腾讯自研的通用大语言模型，腾讯混元大模型（Tencent Hunyuan）不仅仅是一个聊天机器人（chatbot），更是具备了多种AI生成能力的强大工具，能轻松解锁多场景下的AI生成新模式。 产品功能与应用场景2.1 文本生成能力腾讯混元大模型的文本生成能力强大，能够处理从基础文本生成到复杂语境分析的多种任务。 2.2 图像创作能力图像创作是腾讯混元大模型的另一项重要能力。基于大模型图像创作引擎，用户可以轻松通过文本描述生成具有视觉冲击力的图像作品。 2.3 视频创作能力在视频创作领域，腾讯混元大模型也提供了卓越的支持。大模型视频创作引擎能够基于用户输入的文字内容自动生成动态视频，支持视频翻译和文生视频等功能。
2.4K00编辑于 2024-10-16- 来自专栏叶子的数据科技专栏
使用自己的大模型 api 在表格中生成
其实表格天然就很适合做生成，比起平常文档形式的"上下"视图，表格的"左右"视图可以直观的看到输入的信息和输出的信息。而序号、标题确保了可以快速定位。 免费当然很好，但是当你薅了大几千次 qwen 之后，他会不断的给你显示"等待中"。那么，花钱行不行呢？问题来了，他是免费的...想花钱也没地方花... api 供应商 在线表格可能会触发大型批量使用限制 效果展示 GitHub - sandy9707/ai-cellfill-excel 使用方式 首先需要完成配置，在.config文件里面输入自己的模型 第一列是自动生成的，包含了获取到的系统提示词文件和调用到的 api 模型名称。 第二列是需要填写的用户提示词，写入后将依次调用 api 回答。 第三列是是否需要生成，主要用于对结果不满意需要重新生成的情况，通过填入合适的数字决定是否调用 api 进行生成或重复生成。 第四列是生成结果。
47210编辑于 2025-05-23 - 来自专栏得物技术
大模型在产品原型生成中的应用实践
本文主要介绍了我们利用大模型辅助产品同学生成页面原型的实践经验。二、流程设计一般来说，产品同学是根据业务同学或者运营同学的 MRD 来细化产品需求。 推理引擎则包括文生文的通用模型、图生文的通用模型、生成低代码平台配置的Coder模型。推理引擎部署在得物自研大模型平台上。 大模型训练：在上文中可以看到模型是智能原型工具的加速器，但目前只用到了大模型的推理能力，需要外挂知识库才能生成符合规范的页面原型。这制约了生成原型的生成速度和扩展性。 后续将利用工程化手段对得物自研低代码平台的使用教程、示例、用户使用数据等数据做结构化处理，然后利用大模型和知识库生成训练数据，对通用大模型进行微调，得到智能原型工具模型。 编辑功能增强：上文中提到智能原型工具的编辑功能是通过表单配置来对大模型生成的低代码平台配置进行修改，还不够灵活，后续组件拖拽式编辑功能。另外，支持产品通过组件拖拽生成原型以及相应产品描述功能。
99210编辑于 2024-03-06 - 来自专栏机器之心
Jupyter大升级：各种大模型都能连，聊天就能生成代码、错误修改
现在，大语言模型（LLM）与 Jupyter 连接起来了！ 这主要归功于一个名叫 Jupyter AI 的项目，它是官方支持的 Project Jupyter 子项目。 项目地址：https://github.com/jupyterlab/jupyter-ai 有了大模型的加持，Jupyter 功能也发生了很大的变化。 大模型加持下的 Jupyter 接下来我们看看效果如何。 编程助手 Jupyter 聊天界面如下图所示，用户可以与 Jupyternaut（编程助手）进行对话。 如果你对代码不满意，还可以让 Jupyternaut 按照要求重写代码： 重写代码后，Jupyternaut 会将代码重新发送回用户选择的语言模型进行替换： 从文本 prompt 生成 notebook 一番展示下来，有了大模型加持的 Jupyter 确实方便了很多。想要尝试的小伙伴，可以前去一试了。
82820编辑于 2023-08-08 - 来自专栏Backup@zzk
生成模型&判别模型
#生成模型 #判别模型机器学习中的判别式模型和生成式模型目录：基本概念用例子说明概念判别式模型和生成式模型的区别二者所包含的算法在机器学习中，对于有监督学习可以将其分为两类模型：判别式模型和生成式模型。 1.3 两个模型的小结不管是生成式模型还是判别式模型，它们最终的判断依据都是条件概率P(y|x)，但是生成式模型先计算了联合概率P(x,y)，再由贝叶斯公式计算得到条件概率。 但是，生成式模型的概率分布可以有其他应用，就是说生成式模型更一般更普适。不过判别式模型更直接，更简单。两种方法目前交叉较多。由生成式模型可以得到判别式模型，但由判别式模型得不到生成式模型。3. 判别式模型和生成式模型的区别3.1 判别式模型和生成式模型的对比图图片上图左边为判别式模型而右边为生成式模型，可以很清晰地看到差别，判别式模型是在寻找一个决策边界，通过该边界来将样本划分到对应类别。 生成式模型的学习收敛速度更快，当样本容量增加时，学习到的模型可以更快的收敛到真实模型，当存在隐变量时，依旧可以用生成式模型，此时判别式方法就不行了。
89800编辑于 2023-08-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号