变形检测变换器（Deformable DEtection TRansformer, DETR），在DocLayNet上进行训练（包括11个类别的8万页标注页面）。
Updated 2024-11-04 16:52:54 +08:00
3
Updated 2024-11-04 16:43:44 +08:00
2
Updated 2024-11-04 16:43:36 +08:00
1
Updated 2024-11-04 16:43:29 +08:00
1
Updated 2024-11-04 16:43:08 +08:00
1
Updated 2024-11-04 16:42:59 +08:00
11
Updated 2024-11-04 16:42:52 +08:00
1
Updated 2024-11-04 16:42:43 +08:00
11
Updated 2024-11-04 16:42:35 +08:00
11
Updated 2024-11-04 16:42:24 +08:00
介绍
ChatGLM2-6B 是开源中英双语对话模型 ChatGLM-6B 的第二代版本，在保留了初代模型对话流畅、部署门槛较低等众多优秀特性的基础之上，ChatGLM2-6B 引入了如下新特性：
更强大的性能：基于 ChatGLM 初代模型的开发经验，我们全面升级了 ChatGLM2-6B 的基座模型。ChatGLM2-6B 使用了 GLM 的混合目标函数，经过了 1.4T 中英标识符的预训练与人类偏好对齐训练，评测结果显示，相比于初代模型，ChatGLM2-6B 在 MMLU（+23%）、CEval（+33%）、GSM8K（+571%） 、BBH（+60%）等数据集上的性能取得了大幅度的提升，在同尺寸开源模型中具有较强的竞争力。
更长的上下文：基于 FlashAttention 技术，我们将基座模型的上下文长度（Context Length）由 ChatGLM-6B 的 2K 扩展到了 32K，并在对话阶段使用 8K 的上下文长度训练，允许更多轮次的对话。但当前版本的 ChatGLM2-6B 对单轮超长文档的理解能力有限，我们会在后续迭代升级中着重进行优化。
更高效的推理：基于 Multi-Query Attention 技术，ChatGLM2-6B 有更高效的推理速度和更低的显存占用：在官方的模型实现下，推理速度相比初代提升了 42%，INT4 量化下，6G 显存支持的对话长度由 1K 提升到了 8K。
Updated 2024-11-04 09:39:26 +08:00
100adsfsdf
Updated 2024-11-02 22:18:40 +08:00
诗句
Updated 2024-11-01 20:09:05 +08:00
General OCR Theory: Towards OCR-2.0 via a Unified End-to-end Model
Updated 2024-11-01 17:57:35 +08:00
chatglm3
Updated 2024-11-01 17:50:58 +08:00
作者设计了搜索空间来进行神经架构搜索（NAS）。他们首先从一个高维的搜索空间开始，然后根据当前搜索空间采样出的最佳模型的经验，逐步施加约束来迭代缩小搜索空间。
Updated 2024-11-01 17:35:50 +08:00
data2vec: 一种用于语音、视觉和语言自监督学习的通用框架
Updated 2024-11-01 17:20:31 +08:00