-

【Toolformer: Language Models Can Teach Themselves to Use Tools】这篇论文提出了一种新的语言模型，Toolformer，可以自学使用各种工具（例如调用API、做数值计算等）而无需大量人工注释。它可以解决现有语言模型在实时性和数值计算方面的局限性，并可扩展到更全面地使用不受特定任务约束的工具。这种能力可以帮助语言模型完成更复杂的任务，如预订酒店，只需将相关操作过程喂给模型进行训练即可。

视频配套课件代码+深度学习入门到进阶Z料包+美女小助理v：gupao108获取！！！包含：数百篇人工智能CVPR/ICCV/CNN/GNN/Resnet论文合集、AI必备经典书籍、计算机视觉与深度学习实战项目等等~机器学习深度学习速查表方便大家参考！！经常点赞三连，指定文武双全~感谢支持！

https://www.youtube.com/watch?v=BKb_AnREvvY本期视频，我将向你演示如何使用dalai在个人电脑上部署先进的大型语言模型。是的，你没有听错，最大的开源模型已经支持了650亿参数，基本是对标ChatGPT之前的text-davinci-003，有了这个库，我们可以执行基础性的LLaMA语言模型和Alpaca模型，它能够遵守与ChatGPT类似的指令。LLaMA模型是一个广泛的语言模型，能够根据给定的输入序列预测下一个单词，而Alpaca模型是LLaMA的一个微调版本

论文地址： [2303.03004] xCodeEval: A Large Scale Multilingual Multitask Benchmark for Code Understanding, Generation, Translation and Retrieval (arxiv.org)初次录视频，请多多包涵~~字幕大家凑合看~

转自https://www.youtube.com/watch?v=YtJEfTTD_Y4

-

-来自本人公众号

一个月前（02/2023），Stanford组织行为学副教授科辛斯基（Michal Kosinski）提交了Theory of Mind May Have Spontaneously Emerged in Large Language Models的paper（心智理论可能从大语言模型中自发涌现），paper中提出，提出GPT-3.5已经拥有了一个7岁小孩的心智，而GPT-4可以完成95%的理解任务（针对儿童心智的测试）。这是否证明机器解构了人的心理的独特性呢？这个视频主要想聊聊最近出现较大产品维

文心一言的申请流程以及内测初体验，喜欢的小伙伴可以在评论区打出你感兴趣的问题，点赞过百出一期评论区最受欢迎的问题合集。

“ChatGPT和大模型学术研讨会” 复旦大学教授 邱锡鹏：ChatGPT最伟大的意义是赋予了大语言模型对话能力！

2020年度中文信息学会青工委学术报告会邱锡鹏教授2020年度中文信息学会青工委学术报告会演讲视频

CHATGPT VS 文心一言 挑战无所不在，挑战中产生新知。中国版多模态AI文本生成器是个怎样的存在呢？

3月15日【专题报告四】直播回放

ChatGLM和ChatGPT都是非常优秀的语言模型。前者规模较小，但是能在消费级显卡(RTX4090级别）流畅运行，而后者不开源。ChatGLM虽然规模较小，但是保持了非常出色的效果，足以在某些情景上和ChatGPT媲美。然而ChatGLM逻辑能力非常弱，远不及ChatGPT，上下文理解较弱，同时经常输出完全错误的内容。很期待ChatGLM的千亿参数模型

【2023春季第2期】上海交通大学计算机系全球午餐会讲座系列本次午餐会由上海交通大学计算机系赵海教授主讲，2022年以来，预训练语言模型进一步进化到“大语言模型”新阶段，从规模、训练和使用方式逼近人脑。近期ChatGPT展现了大语言模型带来智能产品形态的新变革。这个报告中我们将探讨语言模型简要历史、大语言模型的背景意义，对语言理解应用的技术性影响，包括技术演化的时间线、现状和挑战。

ChatGPT及大模型专题研讨会之张俊林演讲

ChatGPT及大模型专题研讨会之邱锡鹏教授最新演讲

更多论文：https://github.com/mli/paper-reading

在使用ChatGPT一个月后，我发现了两个特别的打开方式！视频BGM:Scratch the Itch - Quincas MoreiraSinister - Anno Domini BeatsIllusions - Anno Domini BeatsIce & Fire - King Canyon

分享嘉宾：付颖雯，广东外语外贸大学三年级硕士研究生，导师为蒋盛益教授，网易互娱 AI Lab 成员。目前主要研究方向为自然语言处理中的文本生成和低资源命名实体识别。分享摘要：本次分享将讲解论文《MIGA: A Unified Multi-task Generation Framework for Conversational Text-to-SQL》。本次分享针对多轮对话 Text-to-SQL 任务，分析了现有方法的优劣并探究生成式预训练语言模型 T5 在该任务上的应用。此外，还将探讨可能的未来方向。

META LLAMA 7B模型 本地部署，对比测试 ChatGPT&GPT3.5 turbomagnet:?xt=urn:btih:ZXXDAUWYLRUXXBHUYEMS6Q5CE5WA3LVA&dn=LLaMAbaby状态的未finetune原始模型windows下 用cpu 需要30+GB内存 响应一次30s左右linux下用GPU 需要23G显存 响应一次4.5秒