LLM 2023年总结 2024年展望

最新推荐文章于 2025-06-01 10:17:33 发布
最新推荐文章于 2025-06-01 10:17:33 发布
阅读量1.4k 收藏 20
点赞数 31
文章标签： 深度学习 人工智能 AIGC
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/kingsoftcloud/article/details/135054264
版权
2023年被誉为大模型元年，ChatGPT引领人机交互新篇章，各巨头相继推出LLM，如微软Bing、Meta的Llama等。国内以阿里通义、清华ChatGLM为代表，Qwen模型参数规模不断突破。2024年，MOE技术将成趋势，垂直行业大模型发展受关注，法规与算力问题亟待解决。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

年底发烧了，兄弟们，39度，啥也没检测出来，无语

Image

      借着发烧的劲儿可以说点胡话，做做2023年的大模型总结(虽然还有10几天)和2024年的大模型展望，反正今天头晕写一些deepdive的技术文章，我肯定是写不动的

     2023年我认为今后我们回头看这一年，它肯定是大模型的元年了，这一年发生了太多的代表性的事件，我挑点重要的说 ，我觉得不太重要的在这就没画面了，大家可以回帖补充

1- 2022年11月30日ChatGPT推出（我就把它当2023年了）因为热度烧到我们这边基本也是2023年了，不同于前作GPT-3，ChatGPT推出后，因为它采用RLHF的对齐方式和Chat的友好交互模式，让人类真正实现了和机器的友好人机互动，在几个月之内迅速霸榜，成为当时人类有史以来最快达到一亿用户的应用

Image

2-2023年2月微软宣布上架New bing拿LLM集成搜索去和Google竞争（失败）

3- 2023年2月25日，Meta发布了开源（它自己非说是泄露）LL

最低0.47元/天 解锁文章
周博洋K
关注
Spring Cloud 2023.x vs 2024.x：版本路线图与核心升级方向
sg_knight的专栏
03-14 1085
Spring Cloud 2023.x与2024.x的发布，标志着该项目从传统的"Release Train"（如Hoxton、Greenwich）命名模式向。：首个采用年份命名的版本，基于Spring Framework 6.x和JDK 17+构建，默认支持GraalVM 22.3+原生编译。：延续年份命名规则，最低要求JDK 21，全面拥抱Project Loom虚拟线程（需Spring Boot 3.2+）。：LTS（长期支持）版本，官方维护至2026年底，适合金融、政务等保守行业。
2024年OWASP LLM安全漏洞年度报告
分享web安全、AI安全、云安全、业务安全、渗透测试、安全开发、安全工具、行业动态等优质内容……
12-09 1085
为了持续追踪LLM领域的安全态势变化，开放网络应用安全项目（OWASP）对其LLM应用十大关键漏洞清单进行了全面更新。在最新版本中，提示注入、供应链漏洞、敏感信息泄露和过度代理等传统威胁仍然占据重要位置。同时，部分安全漏洞的定义和分类进行了调整：不安全输出处理更新为不当输出处理，训练数据投毒扩展为数据和模型投毒，模型拒绝服务则被无限制消耗所替代。值得注意的是，过度依赖已经演变为更广泛的错误信息类别。
2024年RAG：回顾与展望
yanqianglifei的专栏
12-31 1583
2024年，RAG（Retrieval-Augmented Generation）技术经历了从狂热到理性的蜕变，成为大模型应用领域不可忽视的关键力量。年初，AI的“无所不能”让市场充满乐观情绪，RAG被视为解决复杂问题的万能钥匙；然而，随着技术落地和实际应用的深入，行业逐渐回归理性，开始聚焦于小而难的具体场景，追求技术的实用性和稳定性。作为大模型应用的创业者，我们见证了RAG在架构和技术细节上的快速迭代，也深刻感受到市场需求从“大而全”向“精而专”的转变。
2023年总结：雄关漫道真如铁，而今迈步从头越，今朝得失
杨秀璋的专栏
01-15 3999
2023年悄然离去，感谢大家的帮助、鼓励和陪伴，感谢家人的理解和支持，祝大家新年快乐，阖家幸福，身体健康。像往常一样，今年也会写一篇年终总结，也是自己的第11篇年终总结，题目就叫《雄关漫道真如铁，而今迈步从头越，今朝得失》，非常难忘的一年，忙碌的一年。
大模型 2024 总结系列 文章/资源分享
AI工程化、开源分享、文档翻译、代码笔记
01-01 771
这里记录一些比较好的总结文章和资源。
2024年人工智能SSD采购容量估计将超过45 EB
存储随笔
08-17 729
市场背景：根据TrendForce公司的报告，由于人工智能（AI）服务器客户对AI应用的企业级固态硬盘（SSD）需求激增，过去两个季度中企业级SSD订单显著增加。上游供应商动态：上游供应商正加快工艺升级，并计划推出2YY产品，预计将于2025年开始量产，以满足AI应用领域对SSD不断增长的需求。
【LLM大模型】2024开源项目汇总
2301_81888214的博客
07-30 5778
当大模型成本逐渐降低，可靠性提升后，这意味着越来越多的业务应用将会与 LLM 结合，为了让这种结合更加顺畅，需要有与现有基础设施相兼容的工具和框架来支撑 LLM 应用开发的快速开发
【AI学习】2024年末一些AI总结的摘录
bylander的博客
01-01 1297
看到不少的总结，边摘录边思考。尤其是这句话：“人类真正的问题是：我们拥有旧石器时代的情感、中世纪的制度和神一般的技术”。
2024年01月数据月报
SmartSi
02-24 2538
2024年01月数据月报，为您准备了阿里、字节、百度等大厂180多篇实践案例
2024年AI大模型技术年度总结与应用实战：创新与突破并进
微学AI的博客
01-20 1843
回顾2024年，我一共发布了286篇博文，粉丝数也达到了43000多。这一年里，我收获颇丰，始终坚持AI大模型的研究方向，并且积极开展大模型的实战应用，也取得了一系列令人振奋的突破。
【LLM大模型】2024开源项目汇总_dify chat2sql
2401_85773359的博客
08-08 2538
当大模型成本逐渐降低，可靠性提升后，这意味着越来越多的业务应用将会与 LLM 结合，为了让这种结合更加顺畅，需要有与现有来支撑 LLM 应用开发的快速开发对比说明可参考：开源的 LLM 应用开发平台。其直观的界面结合了 AI 工作流、RAG 、Agent、模型管理、可观测性功能等，让您可以快速从原型到生产。2.2 FastGPT：一个基于 LLM 大语言模型的知识库问答系统，提供开箱即用的数据处理、模型调用等能力。
2023机器人行业总结，2024机器人崛起元年（具身智能）
weixin_48878618的博客
01-02 680
2023年机器人相关软硬件技术相继突破，并在学术界和工业界都有了不同程度的落地，在此基础上机器人产业成为金融圈新的价值洼地，不难预测，2024随着技术的进一步发展和资本的加持，以及市场的需求，机器人产业将迎来更大的发展，这或将成为，机器人发展史上真正的崛起元年。2).高仿真模拟器效果不断加强，甚至可以将真实世界的数据扩大，创造更大的数据集。，2023年最热门的创业赛道便是人形机器人，优必选更是成为人形机器人上市第一股， 可以说2023年是机器人开启智能化的元年，而2024则将成为机器人全面崛起的元年。
Python实现P-PSO优化算法优化循环神经网络LSTM分类模型项目实战
张陈亚的博客
05-31 834
【摘要】本项目提出一种基于改进粒子群算法(P-PSO)优化LSTM神经网络的分类模型。针对传统LSTM训练中易陷入局部最优等问题，采用带压缩因子的PSO算法优化网络初始参数，提升模型性能。实验使用包含10个特征和2000条样本的数据集，经过数据预处理和探索性分析后，构建P-PSO-LSTM模型。结果表明，优化后的模型在测试集上准确率达95%，F1分数为0.9533，显著优于基准模型。该方法有效解决了LSTM训练过程中的参数敏感问题，为序列分类任务提供了可靠解决方案。完整数据和代码可通过文末方式获取。
深度学习教学目录
FJN110的博客
05-30 607
深度学习课程：面向计算机视觉、深度学习小白，本产品包含但不限于以下文档 一、环境配置详解，全平台支持 提供Windows、Linux、树莓派、瑞芯微板（RK）等多平台下的PyTorch与TensorFlow环境配置教程，图文并茂，细致入微，确保每一位学习者都能顺利完成环境搭建。 同时，文档中还详细讲解了服务器部署、AI大模型运行、Docker容器配置、VNC远程连接等高级内容，适用于科研和生产环境。
【专题】深度学习期末复习资料（题库）
Pqf18064375973的博客
05-30 436
深度学习期末复习资料（题库）
正则化-深度学习
FJN110的博客
05-30 108
正则化参数（通常记作 λ\lambdaλ 或 α\alphaα）在机器学习中的作用是通过控制模型的复杂度来防止过拟合。
基于多尺度卷积和扩张卷积-LSTM的多变量时间序列预测
专注AI大模型,软件混淆,授权
05-29 139
本文提出了一种结合多尺度卷积、扩张卷积和LSTM的混合神经网络模型，用于多变量时间序列预测。该模型通过多尺度卷积捕获不同时间尺度的局部特征，利用扩张卷积扩大感受野捕捉长期依赖，并借助LSTM处理序列数据的时序关系。文章详细介绍了模型架构、关键技术原理，并提供了完整的PyTorch实现代码，包括数据预处理、模型定义、训练过程和评估方法。实验结果表明，该模型能有效提取时空特征，在金融、气象、交通等领域具有广泛应用前景。代码实现完整且注释详尽，便于读者理解和使用。
PyTorch实战——基于生成对抗网络生成服饰图像
最新发布
盼小辉丶的博客
06-01 648
我们已经学习了生成对抗网络 (Generative Adversarial Network, GAN) 的工作原理，接下来，将学习如何将其应用于生成其他形式的内容。在本节中，介绍使用 GAN 创建灰度图像，包括外套、衬衫、凉鞋等服饰，学习在设计生成器网络时如何镜像判别器网络。在本节中，生成器和判别器网络使用全连接层，全连接层的每个神经元都与前一层和后一层的所有神经元相连接。
深度学习实战110-基于深度学习的工业系统故障诊断技术研究（卷积网络+注意力机制模型）
微学AI的博客
05-30 281
工业系统故障诊断是确保现代工业设备安全稳定运行的关键技术环节。随着工业自动化和智能化水平的不断提高，传统故障诊断方法在应对日益复杂、多变的工业环境时显得力不从心。基于深度学习的故障诊断技术因其强大的特征学习能力和自适应性，已成为当前研究的热点和工业应用的前沿。本文将探讨一种融合卷积神经网络(CNN)和注意力机制的深度学习模型，用于工业系统故障诊断，包括项目背景、系统架构、技术原理、数据样例以及相关代码实现。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值