人工智能人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。...(more)
热度排序时间排序问题
模型压缩 ：模型压缩是一种减小模型大小并降低计算复杂度的技术。常见的模型压缩方法包括剪枝、量化和知识蒸馏。通过剪枝，可以去除模型中的冗余参数；量化则是通过降低模型参数的精度来减小模型大小；知识蒸馏则利用一个已经训练好的大型模型（教师模型）来指导一个小型模型（学生模...
在实际场景中，很多数据集都是多维度的。随着维度的增加，数据空间的大小（体积）会以指数级别增长，使数据变得稀疏，这便是维度诅咒的难题。维度诅咒不止给异常检测带来了挑战，对距离的计算，聚类都带来了难题。例如基于邻近度的方法是在所有维度使用距离函数来定义局部性，但是，在高维空...
一、如何规范金融行业应用系统业务和IT技术数据的大模型应用的数据标准，有利于更好发挥大模型在金融行业的作用 ？答：制定统一的数据标准 ：金融行业应制定一套统一的数据标准，包括数据格式、数据质量、数据安全性等方面的规定，以确保不同系统之间的数据互通性和一致性。建立数据...
问题里的通用大模型似乎并不是当前广泛概念中的通用大模型？广泛意义的“通用大模型”目前都是头部大平台型的企业和组织在打造，例如谷歌微软百度商汤之类的公司，它能够对“互联网”级的知识相关问题给出相对准确的答案，提供一个“百晓生”似的表面能力。问题中的通用大模型是...
1. 计算资源预约，HPC平台可以引入预约系统，让用户提前预约资源，可以让HPC平台提前规划资源分配，避免资源需求波峰时期的排队情况。用户可以根据任务的紧急程度和优先级，提前预约所需的计算资源和时间窗口，2. 建立资源缓冲池，集群平台可以设置资源缓冲池，将一部分资源保留作为备...
在拥抱大模型趋势下，传统金融企业IT基础架构关键角色应该提升以下核心技能：（1）深度学习和大数据技术：随着大模型的发展，对深度学习和大数据技术的需求日益增加。关键角色需要具备深度学习模型的理解和应用能力，以及大规模数据处理和分析的经验。（2）安全和隐私保护：金融领域涉及大量...
几乎所有在线服务都在收集我们的个人数据，并可能将这些数据用于训练 LLM 。然而，模型会如何使用这些用于训练的数据则是难以确定的。如果在模型的训练中使用了诸如地理位置、健康记录、身份信息等敏感数据，那么针对模型中隐私数据的提取攻击（ Data extraction attack ）将会造...
说到潜在问题，个人理解可能有以下几个方面的问题吧。一是数据隐私问题：大语言模型需要大量的数据来训练和优化模型，但是金融企业处理的数据通常包含大量的隐私信息，如个人身份信息、信用卡信息、财务信息等。如果这些数据不加保护地被用于训练模型，可能会泄露客户隐私，引起法律...
我觉得现阶段不要想的太多，也不要用之前搞系统的方式来看待新东西。使用似SuperCLUE，C-Eval等的评测，加上自己的一些主动评测就好。其实目前私有化部署方面Llama2 是最佳选择，做大模型评测交给类似BAAI(flagEval等)，SuperCLUE就好，不要自己去玩。...
