一个视频讲解神经网络与大语言模型的前生今世

合集 · 杂谈 (10)

  1. 5:59
    长安三万里,记大肚子宇宙与中年危机
  2. 4:31
    当AI来高考,为什么AI不擅长数学题
  3. 5:50
    是真是假,LK99常温超导的理论基础到底是什么?
  4. 1:55
    【未来生物狂想曲投稿】骇齿二型鸟
  5. 6:49
    金属氢为什么难以被合成?
  6. 6:53
    金属氢与固态氢的区别
  7. 5:04
    光速的变与不变
  8. 5:42
    希格斯粒子与量子场论图景的转变
  9. 7:14
    一个视频讲解神经网络与大语言模型的前生今世
  10. 3:13
    我们的星系位于宇宙空洞中吗

Comments

孤独的化学家 2025-02-15

我倒是期待未来AI能在分子结构识别和化学反应机理方面系统学习后具备预测推断药物降解的能力,那将对药物的杂质研究大有帮助。

♥ 21 ↩ 3

freezecold 2025-02-16

老哥还真是啥都讲。继续两个币。

♥ 15

keyaku行健商韵 2025-02-15

神经网络讲得非常透彻!很适合于非专业人士了解人工智能,真牛!👍

♥ 11 ↩ 1

司隶校尉孔夫子 2025-02-15

总结的很棒,牛的

♥ 8 ↩ 1

源稚蘭 2025-02-15

不愧是你

♥ 4

淘宝用户1145l4 2025-02-15

牛哦

♥ 3

平生光阴短不如茶酒伴 2025-02-15

[doge_金箍]

♥ 3

贝壳ar 2025-02-15

抖音更的比较快

♥ 3

AI视频小助理 2025-02-17

实名羡慕up这溢出屏幕的才华[点赞][点赞][点赞],YYDS!快来一键三连吧[热词系列_优雅] 一、神经网络和机器学习的概念及关系,以及神经网络的特殊之处和实践模型,探讨了神经网络的强大潜力。 00:01 - 介绍大语言模型和神经网络的概念及其关系 00:59 - 讲解神经网络的特殊之处,如与向量机的比较和拟合所有函数的能力 02:36 - 解释神经网络模拟生物神经元的连接和分层排列的原理 二、神经网络的结构和发展历程,包括输入输出层、隐藏层、卷积层、池化层等,以及反向传播算法的出现和梯度消失问题的解决。 03:00 - 神经网络有多层计算层,如卷积层和池化层 03:42 - 反向传播算法解决了神经网络发展早期的XOR难题 05:44 - 神经网络模型参数达到数10亿以上,被称为大模型,如GBT3 三、大语言模型的多种类型,包括多模态大模型和多种神经网络组合的大模型,还探讨了神经网络与传统程序的配合。 06:00 - 多模态大模型是未来发展的一个重要方向 06:17 - 大模型使用多种神经网络的组合,如卷积神经网络和Transformer 06:34 - 神经网络与传统程序的配合也值得期待 --以上内容由模型基于视频内容生成,仅供参考。视频总结、高能空降欢迎召唤热心市民@AI视频小助理

♥ 2

T先生第132号 2025-02-22

人工智能应该未必越接近人效率越高吧?

♥ 2

vitsry 2025-02-21

还是华北克拉通有意思

♥ 2

neoterm 2025-02-19

你好网站打不开了 能回复我一下吗 dytx2tyxt

♥ 1