- 综合排序
- 最热优先
- 最新优先
- 来自专栏DrugAI
Patterns | 大语言模型赋能药物研发
DRUGONE 大语言模型（LLMs）在药物发现与开发领域的应用标志着一次重要的范式转变，为理解疾病机制、推动全新药物发现以及优化临床试验流程提供了新方法。 整合遗传学关联信息能显著提高临床靶点的成功率。 例如，AlphaFold3 能整合小分子、离子及修饰残基，提升蛋白-配体复合物预测的精度，为结构基础上的药物设计奠定基础。 通用型LLMs凭借对科学文献和数据库的整合能力，能辅助组装基因调控网络、优先排序候选基因并生成新的假设。 在药物发现中，它们能自动化化学实验、进行分子与蛋白设计，并预测药物性质。 在临床试验中，它们为患者匹配、试验设计与结果预测提供了高效支持。
28720编辑于 2026-01-06 - 来自专栏架构驿站
AutoGen：赋能大模型，解锁无限可能
在语言模型领域，基础模型尽管擅长执行翻译、问答等常规任务，有时却显得力有不逮，犹如缺少关键工具的熟练工人。 在实际业务场景中，赋予语言模型更强大能力的主要方式有两种：一种是通过特殊管道向模型输送额外信息，另一种是让模型自主使用各种工具。 它与大型语言模型（LLM）无缝整合，成为增强这些强大模型效力的绝佳工具。LLM 拥有近乎人类般的语言理解和生成能力，而 AutoGen 通过多代理对话设置，将 LLM 的威力提升到前所未有的高度。 具体来说，需要 AutoGen 主要有以下几个重要原因： 1、简化机器学习工作流程 传统的机器学习模型开发需要数据准备、特征工程、模型选择、超参数调优、模型评估等诸多复杂步骤，这对于非机器学习专家来说是一个极高的门槛 而 AutoGen 则利用贝叶斯优化、强化学习等技术，能够更高效地搜索最优模型，从而大幅缩短模型开发时间，节省计算资源。
51510编辑于 2024-11-01 - 来自专栏腾讯云存储
腾讯云数据湖赋能AIGC多模态大模型
近日，腾讯云存储解决方案总监温涛受邀在2024数据基础设施技术峰会-“智算中心技术创新论坛”分享了腾讯云的数据智能生态创新之路，剖析腾讯云数据湖在赋能AIGC多模态大模型方面的应用实践。 去年年底到今年年初，很多客户开始致力于在视频方面的训练，我们直观感受到多模态大模型的冲击，也带来了一些机会和挑战。 总体来说，多模态大模型对存储系统提了五个方面的要求，低成本、高性能、海量存储、高可用、安全。 ，这个大模型是我们自己训练的，基于公司内部的通用大模型，我们做了一个进一步的调优和训练，专门用于图文内容搜索模型的模型。 通过我们自己的图文大模型之后，就把导入的这些文档进行向量化，保存到腾讯云的向量数据库里面去，用户展示搜索的时候，我们把搜索请求通过图文大模型做向量化，从向量维度，在向量数据库里面进行搜索，找到匹配度比较高的
1.6K00编辑于 2024-05-24 - 来自专栏LLM学习笔记
Puppeteer MCP Server：赋能大模型的网页交互能力
前言 最近热衷于找一些好玩的MCP，集成在codebuddy中，给大模型外挂许多有趣的功能，在开发的代码的同时，在IDE中可以获得更多的乐趣。 例如使用AI大模型调用天气工具、自动浏览网页、数据爬虫等。 今天要实践的 MCP Server：Puppeteer浏览器自动化，该 MCP Server 是一个利用 Puppeteer 提供浏览器自动化功能的服务器，可让大模型与网页交互，进行截图，并在真实的浏览器环境中执行 结语 Puppeteer MCP Server 是一个强大的工具，能够让大模型通过标准化接口与网页进行交互，实现浏览器自动化操作。
2.9K50编辑于 2025-05-20 Spring Boot 接入大模型实战：混元大模型赋能智能应用快速开发
----引言在人工智能技术飞速发展的今天，大模型如混元大模型（此处为假设或泛指某类先进大模型）等已成为推动智能应用创新的重要力量。 一、背景大模型：大模型通常指的是参数量巨大、训练数据广泛、能够处理多种任务的深度学习模型。它们通过自监督学习、迁移学习等技术，能够在不同的应用场景中展现出强大的泛化能力。 混元大模型：假设混元大模型是一个集成了多种智能处理能力的先进大模型，它能够理解自然语言，处理图像，合成语音，并进行多种智能任务的协同处理。 三、优缺点优点：易用性：通过Spring Boot和混元大模型的API，开发者可以快速地实现智能功能的集成，无需深入了解大模型的内部机制。 message=你好，即可看到混元大模型返回的智能对话结果。六、总结与展望通过本文的介绍，我们了解了如何通过Spring Boot接入大模型（以混元大模型为例），实现智能对话与多元AI功能。
1.5K31编辑于 2024-10-28- 来自专栏达观数据
柴洪峰院士：大模型赋能金融科技思考与展望
本文整理自7月7日世界人工智能大会“AI生成与垂直大语言模型的无限魅力”论坛上中国工程院院士、复旦大学金融科技研究院院长柴洪峰《大模型赋能金融科技思考与展望》的主题分享，从金融垂直模型构建、金融知识图谱与大模型融合以及金融大模型的监管三个方面进行介绍 大数据、人工智能和机器学习等技术的发展，使人们能更快速、高效地获取、分析、存储、共享和整合各种异构数据。然而，金融垂直领域的大模型应用仍面临一些挑战。 金融数据底座与大模型的融合技术，解决通用大模型在垂直领域知识匮乏、知识关联问题，同时实现模型根据数据实时更新、不断迭代。基于金融科技底座的大模型对于金融科技多领域的应用赋能，展现金融垂直领域涌现能力。 三、关于金融大模型的监管 从安全角度解决大模型的部署问题金融数据和垂直领域大模型密切相关，存在数据安全、大模型安全可信和伦理等问题，同时金融领域也涉及敏感信息和决策，因此对于金融大模型的监管必不可少 同时，大模型的训练过程涉及更多的数据和计算资源，这也无恶意攻击者提供了更多的机会来入侵和篡改数据模型。目前大模型极易通过对抗攻击、后门攻击、模型窃取等手段而遭受威胁，需要寻找有效的方法规避风险。
46230编辑于 2023-08-01 - 来自专栏图灵人工智能
Nature深度：大模型如何“赋能”机器人？机器人又如何“训练”大模型？
目前正在兴起的一种方法是使用与图像生成器和聊天机器人（如 ChatGPT）相同的人工智能基础模型来控制机器人。这些模型使用大脑启发的神经网络，从大量通用数据中学习。 合作产生的基础模型名为 RT-X，与其他研究人员在一种机器人架构上训练的模型相比，它在实际任务中的表现更好。 许多研究人员表示，这种多样性是必不可少的。 许多研究人员乐观地认为，基础模型将有助于制造出可以替代人类劳动的通用机器人。 Chen 说，硬件一直在进步，但“很多人只看到了基础模型的前景，却不知道部署这些类型的机器人有多么困难”。 另一个问题是，机器人基础模型在使用视觉数据（占其物理训练的绝大部分）时能走多远。 将基础模型应用于现实世界还面临另一个重大挑战——安全性。自大型语言模型（LLMs）开始大量出现以来的两年里，它们已经被证明会产生错误和有偏见的信息。它们还可能被诱骗去做程序设定它们不能做的事情。
44110编辑于 2024-05-31 - 来自专栏AI分享
量子计算赋能AI：优化大模型训练中的梯度下降
Quantum平台通过量子计算与经典AI技术的深度融合，正在重新定义大模型训练的优化范式。 本文从技术原理、算法创新、实际应用三个层面，探讨 Quantum如何赋能梯度下降优化，推动AI训练效率的跨越式提升。 （3）硬件墙下的资源消耗困局大模型训练呈现出算力-内存-通信的三重指数增长：参数规模每18个月增长10倍，训练算力需求每6个月翻番。 能耗分析显示（数据源自微软《量子赋能AI系统白皮书2025》），混合架构的总能耗从8200 kWh降至5100 kWh，相当于减少2.45吨二氧化碳排放。 Quantum通过量子计算重构梯度下降的优化范式，不仅加速了大模型训练，更开辟了“量子-AI-HPC”三元融合的新赛道。
4.6K41编辑于 2025-04-11 预训练大模型赋能：以 GPT-3 为代表的预训练模型
随着 OpenAI 系列大模型 API 的能力迭代，以及 New API 等第三方技术平台提供的高可用服务支撑，企业与开发者得以突破基础设施搭建的壁垒，快速构建具备深度语义理解与流畅对话能力的智能交互系统 二、核心技术架构解析智能聊天机器人的核心能力源于自然语言处理（NLP）技术栈，其底层逻辑围绕 “语义理解 - 意图识别 - 响应生成” 三大环节构建，具体实现依赖两大关键支撑：预训练大模型赋能：以 GPT -3 为代表的预训练模型，通过海量文本数据学习语言规律，可精准解析用户输入的隐含需求，生成符合人类表达习惯的自然语言回复，无需开发者从零构建语言理解模型；高可用 API 平台支撑：New API 平台提供标准化 生成聊天机器人回复 :param client: 已初始化的OpenAI客户端 :param user_prompt: 用户输入文本 :param model: 调用的预训练模型版本 五、核心应用场景与价值落地智能聊天机器人的价值核心在于 “降本增效” 与 “体验升级”，具体在三大场景实现深度落地：企业客服系统：承接 80% 的常见咨询（如订单查询、售后政策），实现 7×24 小时响应
20620编辑于 2025-11-05- 来自专栏自然语言处理(NLP)论文速递
剑桥 | 发布多模态检索器，赋能多模态大模型RAG应用
preflmr.github.io/ 论文标题：PreFLMR: Scaling Up Fine-Grained Late-Interaction Multi-modal Retrievers 背景 尽管多模态大模型 针对这个问题，检索增强生成（RAG，Retrieval-Augmented Generation）提供了一个简单有效的让多模态大模型成为” 领域专家” 的方案：首先，一个轻量的知识检索器（Knowledge Retriever）从专业数据库（例如 Wikipedia 或企业知识库）中获得相关的专业知识；然后，大模型将这些知识和问题一起作为输入，生成准确的答案。 多模态知识提取器的知识 “召回能力” 直接决定了大模型在回答推理时能否获得准确的专业知识。 3.PreFLMR 能够根据用户输入的指令（例如 “提取能用于回答以下问题的文档” 或 “提取与图中物品相关的文档”），从庞大的知识库中提取相关的文档，帮助多模态大模型大幅提升在专业知识问答任务上的表现
55410编辑于 2024-03-26 - 来自专栏时空探索之旅
AI论文速读 | 立场观点：多模态大模型赋能时间序列推理
关键词：多模态大模型，时间序列推理，多模态数据，推理框架，可解释性 点击文末阅读原文跳转本文arXiv链接 摘要 理解时间序列数据对于多种实际应用至关重要。 时间序列推理 多模态大语言模型（MLLM）以类似人类的逻辑处理和解释时间序列的开放式能力。它能够捕捉时间结构、趋势和模式，在各种时间序列任务中生成精确且可解释的结果，并以清晰自然的语言提供见解。 多模态大模型时序推理的数据集和评测 A: 论文中提到了多个与多模态大型语言模型（MLLMs）和时间序列推理相关的研究工作。 模型设计：提出了四种模型设计理念，包括零样本推理、单阶段调整、双阶段调整和多模态时间序列方法，这些方法利用LLM/MLLMs的内置推理能力或充分利用多模态输入和能力。 训练策略：讨论了将显式推理过程整合到训练阶段的可能性，以提高模型性能和决策能力。
47100编辑于 2025-02-18 - 来自专栏学习成长指南
Colormind：优秀大模型赋能国产求解器，打造自主可控建模平台
蔬菜的定价和销售的问题 2021年国赛C题：生产的原材料订购和运输的问题 除了2022年的C题考察的是这个玻璃的分类和成分分析，其他几年的这个题目里面都是可以看到这个优化问题的身影的； 这两天我试用了杉数科技开发的大语言模型教学平台 我喜欢这个平台最重要的一点是：AI大模型+数学建模+国产求解器。 具体而言就是你在这个平台上可以借助专有的大语言模型将问题结构化（数学建模），使用国产求解器（COPT,性能世界前二)求解和分析。 题关于这个城镇的搬迁问题进行演示如何使用该平台助力数学建模； 2.演示流程 2.1需求分析 这个平台会帮助你进行需求的拆解，你也可看看这个拆解的需求是不是符合你的要求，选择弃用，或者是继续进行数学建模； 右下角的这个就是这个平台的大模型 ，点击生成代码，就会在这个聊天框里面输出这个相关的代码： 代码的结果： 最后生成的代码可以在本地运行，也可以在这个平台上面运行，都是没有问题的，这个使用的是人家自带的这个求解器进行求解的； 通过这种“大模型 但是，我觉得都是大模型，肯定有出错的地方，可能我们需要进行调试之类的，才能达到想要的这个结果把； 这个平台里面也提供了很多的这个数学建模里面的优化的案例，供数学建模爱好者进行学习； 3.总结 杉数科技作为今年的这个妈妈杯的赞助者
49610编辑于 2025-07-03 - 来自专栏QQ大数据团队的专栏
OpenAI 收购 Rockset：大模型如何使用 OLAP 赋能实时洞察业务场景
腾讯云副总裁黄世飞谈到，“腾讯云大数据也在践行 AI+BigData 深度融合，进一步赋能客户充分释放数据价值。” 基于大语言模型 LLM 构建的产品已经具有很强的语言能力，但依然有缺陷： ● 训练数据集是静态的-大模型在训练时只能使用当前时间点之前的数据作为数据集，数据的时效性无法保证，也就是说大模型无法感知训练后的更新的数据和信息 ● 缺少特定领域的知识-对大模型进行训练时使用的是互联网上的公域数据，无法对私域数据进行训练，因此大模型的通用性强但针对特定领域的问题缺少专业的回答。 ● 缺少长期记忆——大模型仅支持有限的 token 长度，因此虽然具备一定程度的短期记忆，但是由于长期记忆的缺失，我们很难和大模型无法进行多轮对话。 因此，Rockset 可以作为大模型的实时外部知识库，给大模型传递时效性更高、信息密度更大的多模态数据，用来管理、存储、查询和搜索结构化及非结构化数据。
39510编辑于 2024-07-22 大模型时代：数据治理与人工智能的双向赋能闭环
而数据治理与人工智能（尤其是大模型）的关系，正从单向依赖转向双向赋能，形成一个动态迭代的闭环 —— 数据治理为 AI 提供高质量 “燃料”，AI 则反哺数据治理效率与深度，两者共同推动数据价值的最大化释放 数据治理定义 “大模型不该吃的东西”大模型并非 “来者不拒”—— 低质、违规或伦理敏感的数据可能导致模型输出偏差，比如文生图模型因 “坏数据” 生成不当内容。 AI赋能：数据治理的加速器与深度挖掘者大模型的出现，为数据治理注入了智能引擎。其强大的语义理解、模式识别与知识推理能力，正在重构数据治理的传统流程。1. 大模型提升数据质量管理效率数据质量是治理的核心，但传统人工校验耗时耗力。大模型虽为统计模型，存在不稳定性，但其可通过知识图谱与向量数据库的结合，有效识别数据中的不一致性、缺失值等问题。 双向闭环：从“数据-模型”到“人-数据-智能”的生态进化数据治理与 AI 的双向赋能，最终指向 “人 - 数据 - 智能” 生态的协同进化。
1K10编辑于 2025-07-02- 来自专栏公共互联网反网络钓鱼（APCN）
大语言模型赋能下钓鱼邮件的语义逃逸与防御范式重构
在传统模式下，防御者可以通过提取恶意样本的特征码来阻断后续攻击；而在LLM赋能的攻击模式下，每一封钓鱼邮件都是独一无二的生成结果，不存在重复的特征码，使得基于签名的检测机制形同虚设。 必须引入同样基于人工智能技术的防御手段，利用大语言模型强大的语义理解与逻辑推理能力，去对抗由大语言模型生成的恶意内容。 2 LLM赋能钓鱼邮件的生成机制与逃逸策略要构建有效的防御体系，首先必须深入理解攻击者如何利用LLM生成难以检测的钓鱼邮件。 4 基于对抗性大语言模型的主动防御架构鉴于传统防御手段的失效，构建新一代电子邮件安全体系的核心在于引入“对抗性大语言模型”（Adversarial LLM）。 6 结语Cloudflare关于LLM赋能钓鱼邮件的报告揭示了一个不可逆转的趋势：网络钓鱼攻击已进入智能化、个性化、语义化的新纪元。
14810编辑于 2026-03-05 F5推出AI网关，赋能企业化解大模型应用风险
为助力企业高效整合应用、API与大语言模型（LLM），加速 AI技术的广泛部署，F5推出AI网关（AI Gateway）。 F5应用交付和安全平台 F5 AI网关能够帮助用户化解大模型应用的风险并确保AI应用的合规性。 F5在其应用堆栈服务中引入AI网关，为客户提供了在构建AI应用架构方面更大的灵活性，同时实现更强的保护和模型优化。” 今年晚些时候，F5将推出BIG-IP AI助手，为iRules赋能更高水平的自动化与智能化。该助手可自动生成、维护并优化iRules，从而大幅减少企业在流量管理与安全交付应用上的时间与资源投入。 借助F5应用交付与安全平台这一全新平台，企业能够满足现代应用及AI驱动型应用的严苛需求，通过部署AI网关化解大模型应用风险，打赢AI流量治理与安全防御攻坚战。
32300编辑于 2025-06-24MediGo医疗大模型数据开发平台 八大场景赋能智慧医疗全流程
澳鹏MediGo平台通过八大应用场景和七维技术矩阵，构建了从数据生产到模型训练的全链路解决方案，有望显著提升医疗AI模型的准确性和可靠性。 澳鹏Appen（中国）今日正式发布MediGo医疗大模型数据开发平台，这一创新性平台旨在解决医疗AI领域面临的数据标注精度不足、多模态协同处理效率低下等核心挑战。 八大场景赋能智慧医疗全流程在诊疗场景方面，平台基于深度学习的病理图片智能分析系统能够自动标注病灶区域，帮助生成结构化诊断报告，显著提升诊断效率。 七维技术矩阵定义医疗数据生产力在智能化标注方面，平台集成了医疗专用NER模型、问答对自动生成系统和自研预标注算法，包含药品信息OCR识别、骨骼/细胞形态预识别等医疗专用模型，大幅提升了标注效率和准确性。
30210编辑于 2025-06-24- 来自专栏AI创作知识
大模型赋能文献综述：研究生必备的技术化梳理指南
本文结合AI技术在学术场景的落地实践，聚焦大模型工具的技术化应用，为研究生提供一套可直接复用的文献综述高效梳理方案，助力解决“内容堆砌、深度不足、格式混乱”等核心问题。 框架搭建：知识图谱赋能，构建逻辑闭环针对“逻辑混乱”痛点，工具的核心技术是“基于领域知识图谱的框架生成算法”。 某文科研究生使用该功能后，其“乡村振兴数字赋能”综述框架，被导师评价“精准抓住了研究核心脉络”。3. 引用管理：规范库内置+自动适配，零差错落地该环节通过“学术规范知识库+动态引用算法”实现自动化。 五、总结：技术赋能下的综述写作新范式在大模型技术渗透学术研究的当下，研究生的文献综述写作已从“体力密集型”转向“技术赋能型”。 欢迎在评论区留下你的学科方向与具体困扰，共同探讨技术赋能学术的实操方案。
71120编辑于 2025-12-02 - 来自专栏ceshiren0001
大模型部署实战：四大工具赋能个人探索与企业级应用
只需几条命令，就能在本地快速部署和运行各类开源大模型。 适合想要在个人电脑上体验大模型的开发者和技术爱好者。 LM Studio：桌面端的模型乐园LM Studio是另一款优秀的个人级大模型管理工具，提供直观的图形界面，让模型部署变得像安装普通软件一样简单。 TGI (Hugging Face)：开源社区的明星Text Generation Inference是Hugging Face推出的大模型服务框架，为部署开源大模型提供企业级解决方案。 现在就开始你的大模型部署之旅吧！
1.2K10编辑于 2025-09-08 - 来自专栏AI+运维：智能化运维的未来
大模型技术赋能运维决策支持：开启智能运维新时代
而大模型技术的出现，为运维决策支持带来了全新的变革机遇。一、大模型技术在运维数据处理中的优势运维工作每天都会产生大量的数据，包括服务器日志、性能指标、用户行为数据等。 大模型技术具有强大的自然语言处理能力和数据挖掘能力，可以高效地处理这些海量、异构的数据。例如，大模型可以对服务器日志进行语义分析。 二、基于大模型的故障预测与预防大模型可以通过对历史运维数据的学习，构建预测模型，提前预测可能出现的故障。它可以分析各种性能指标之间的关系，识别出那些在故障发生前出现的微妙变化模式。 三、大模型助力运维决策优化在面对复杂的运维场景时，大模型可以为运维人员提供决策建议。例如，当需要决定是否对某个系统进行升级时，大模型可以综合考虑系统的当前性能、业务需求、升级风险等多方面因素。 四、大模型技术在运维自动化中的应用大模型技术还可以与运维自动化工具相结合，实现更加智能的自动化运维流程。例如，在自动化脚本编写方面，大模型可以根据运维任务的需求自动生成相应的脚本代码。
70410编辑于 2025-01-07
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