自然语言处理标签_NVIDIA AI 技术专区

自然语言处理

NVIDIA AI 培训班 | 6 月 4 日开课：构建基于大语言模型的应用

NVIDIA 深度学习培训中心（DLI）提供的《构建基于大语言模型的应用》 AI 培训班即将开课，由 NVIDIA 认证讲师全天实时中文授课和答疑，配合云端实验环境的动手实操帮助每位学员深入理解 LLM 应用开发并积累实践经验，从而快速投入实际开发工作。无论是个人技能跃升还是团队能力建设，NVIDIA 深度学习培训中心（DLI）的生成式 AI 认证学习路径都能为您提供系统支撑 —— 从认证科目选择

 NVIDIA AI 技术专区
2026-05-27 17:29:35

 652

 5

#人工智能 #语言模型 #自然语言处理
NVIDIA AI 培训班 | 5 月 14 日开课：利用提示工程构建大语言模型应用

NVIDIA 深度学习培训中心（DLI）提供的《利用提示工程构建大语言模型应用》AI 培训班即将开课，由 NVIDIA 认证讲师全天实时中文授课和答疑，配合云端实验环境的动手实操，系统讲解并实践提示工程一系列基本技能，用于高效构建基于 LLM 的应用。使用由 Llama-3.1 LLM 驱动的 NVIDIA NIM，和当前流行的 LangChain 库，学习使用提示工程一系列基本技能，用于构建基于

 NVIDIA AI 技术专区
2026-05-11 13:41:21

 623

 6

#人工智能 #语言模型 #自然语言处理
nvidia-smi 常用命令

官方文档：https://developer.download.nvidia.cn/compute/DCGM/docs/nvidia-smi-367.38.pdfNVIDIA-SMI系列命令总结

 linzhiji
2021-09-24 10:41:03

 2536

 1

#深度学习 #机器学习 #自然语言处理
【小白】一文读懂CLIP图文多模态模型：零样本学习新范式，小白也能上手的收藏教程

CLIP（Contrastive Language-Image Pre-Training）模型是一种多模态预训练神经网络，由OpenAI在2021年发布，是从自然语言监督中学习的一种有效且可扩展的方法。CLIP在预训练期间学习执行广泛的任务，包括OCR，地理定位，动作识别，并且在计算效率更高的同时优于公开可用的最佳ImageNet模型。该模型的核心思想是使用大量图像和文本的配对数据进行预训练，以学

 写编程的木木
2025-10-08 18:09:02

 2464

 17

#学习 #transformer #自然语言处理 +2
14篇多模态最新论文汇总，最新的研究成果在这里

【1】 ArtRAG: Retrieval-Augmented Generation with Structured Context for Visual Art Understanding标题： ArtRAG：具有结构化上下文的检索增强生成，用于视觉艺术理解链接：https://arxiv.org/abs/2505.06020作者： Shuai Wang, Ivona Najdenkoska,

SHENLANYANXUAN
2025-05-12 16:05:43

 1598

 26

#人工智能 #计算机视觉 #自然语言处理
RAG-Anything：全面的一体化多模态文档处理 RAG 系统

**RAG-Anything**是一个综合性多模态文档处理RAG系统。该系统能够无缝处理和查询包含文本、图像、表格、公式等多模态内容的复杂文档，提供完整的检索增强(RAG)生成解决方案。

Python编程杰哥
2025-06-25 20:19:25

 1011

 26

#人工智能 #算法 #机器学习 +2
多模态模型（VLM）部署方法抛砖引玉

去年年初LLM刚起步的时候，大模型的部署方案还不是很成熟，如今仅仅过了一年多，LLM部署方案已经遍地都是了。而多模态模型相比大语言模型来说，发展的还没有很“特别”成熟，不过由于两者结构很相似，LLMs的经验还是可以很好地利用到VLMs中。本篇文章中提到的多模态指的是视觉多模态，即VLM（Vision Language Models）。以下用一张图展示下简单多模态模型的运行流程：Text Embed

功城师
2024-09-30 09:45:05

 3330

 23

#自然语言处理
万字解析：一文读懂当下最火的多模态技术，看这一篇就够了！

万字解析：一文读懂当下最火的多模态技术，看这一篇就够了！

EnjoyEDU
2025-07-15 10:42:08

 1901

 16

#语言模型 #架构 #人工智能 +1
TPAMI 2025 | 基于协同高阶交互作用多模态图像融合

1. **提出SHIP范式**：论文提出了协同高阶交互范式（SHIP），创新性地在空间和通道维度引入高阶交互作用，系统地研究多模态图像在空间细粒度和全局统计方面的协作关系，从而全面探索多模态间的协同效应。

小天才学习机打游戏
2025-07-07 20:12:53

 734

 3

#人工智能 #语言模型 #自然语言处理 +1
nvidia-smi 实时刷新显示GPU使用情况

watch -n 1 -d nvidia-smi# 每隔1秒刷新一次

 Mr.Ygg
2020-05-02 11:28:01

 3572

 1

#pytorch #自然语言处理
美团·阿里关于多模态召回的应用实践

美团。阿里关于多模态召回的应用实践

 Weiyaner
2022-06-30 20:28:44

 1863

 1

#自然语言处理 #机器学习 #人工智能
边缘端也可以跑大模型 | 一文总结高效多模态大模型的时间线、高效结构以及训练策略

过去一年，多模态大型语言模型（MLLMs）在视觉问答、视觉理解和推理等任务上表现出了显著的性能。然而，庞大的模型大小和高昂的训练和推理成本阻碍了MLLMs在学术界和工业界的广泛应用。因此，研究高效和轻量级的MLLMs具有巨大的潜力，尤其是在边缘计算场景中。在本调查中对高效MLLMs的现状进行了全面而系统的回顾。具体而言，作者。

荔枝学Python
2025-01-02 11:26:11

 1659

 21

#人工智能 #自然语言处理 #语言模型
一文读懂多模态 embeddings

传统上，AI研究被划分为不同的领域：自然语言处理（NLP）、计算机视觉（CV）、机器人学、人机交互（HCI）等。然而，无数实际任务需要整合这些不同的研究领域，例如自动驾驶汽车（CV + 机器人学）、AI代理（NLP + CV + HCI）、个性化学习（NLP + HCI）等。尽管这些领域旨在解决不同的问题并处理不同的数据类型，但它们都共享一个基本过程。即生成现实世界现象的有用数值表示。历史上，这是

 Cc不爱吃洋葱
2025-02-10 13:48:08

 1482

 14

#自然语言处理 #人工智能
【2025最新】大语言模型(LLM)评估方法全景图：从原理到实战的完整指南

生成式大语言模型的性能评估是模型优化与应用落地的关键环节。通过系统化评估，可精准量化模型在多维能力指标上的表现，为技术迭代提供数据支撑。OpenCompass作为专业的评估平台，集成了完备的评估指标体系与大规模开源数据集，能够全面满足生成式大语言模型的多样化测评需求。本文将基于OpenCompass框架，详细解析生成式大语言模型的标准化评估方法论。

大鱼Ss
2025-08-21 16:52:17

 2137

 17

#语言模型 #人工智能 #自然语言处理 +3
BOOM！推荐系统遇上多模态信息

NewBeeNLP原创出品公众号专栏作者@上杉翔二悠闲会·信息检索推荐已经成为许多在线内容共享服务的核心组成部分，从图像、博客公众号、音乐推荐、短视频推荐等等。与传统推荐不...

kaiyuan_sjtu
2021-05-26 11:05:00

 1188

 2

#人工智能 #深度学习 #机器学习 +2
多模态大模型技术点总结

论文主要提出Q-Former（Lightweight Querying Transformer）用于连接模态之间的gap。BLIP-2整体架构包括三个模块：视觉编码器、视觉和LLM的Adapter(Q-Former)、LLM。其中Q-Former是BLIP-2模型训练过程中主要更新的参数，视觉Encoder和大语言模型LLM在训练过程中冻结参数。

Python蛋挞
2024-10-07 09:41:20

 1485

 10

#自然语言处理 #语言模型 #人工智能
LLaVA-ST：解锁时空理解，多模态大模型迈向细粒度新境界

导读近日北航在论文《LLaVA-ST: A Multimodal Large Language Model for Fine-Grained Spatial-Temporal Understanding》介绍了新型多模态大语言模型LLaVA-ST，专门用于处理细粒度的时空理解任务，通过引入语言对齐的位置嵌入（LAPE）和时空打包器（STP），以及一个包含430 万样本的训练数据集ST-Align，

福福很能吃
2025-01-22 15:59:23

 1180

 9

#人工智能 #深度学习 #机器学习 +4
Mobile-Agent重磅来袭：视觉感知+多模态智能助理，玩手机更高效！

随着多模态大语言模型（Multimodal Large Language Model, MLLM）的迅速发展，基于 MLLM 的多模态智能代理（agent）正在逐步应用于各种实际场景。这种技术的进步让利用多模态 agent 作为手机操作助手成为了现实，通过视觉感知和多模态交互，智能化地完成复杂任务。本文将为您解读一项最新研究——，该研究展示了如何借助多模态 agent 实现 AI 自动操作手机的技

 程序员笑武
2024-11-29 19:56:39

 1271

 10

#学习 #语言模型 #人工智能 +2
英伟达：拓展LLM上下文长度

如何解决标准Transformer模型在处理超出训练上下文长度的序列时出现性能衰退？论文提出了一种新的SWAN架构，通过结合不同类型的注意力机制，实现了对长上下文的有效处理，而无需额外的长上下文特定训练。

大模型任我行
2025-04-18 10:00:00

 857

 16

#人工智能 #自然语言处理 #语言模型
英伟达 B20

采用新一代 Blackwell 架构，支持 PCIe 5.0 和 NVLink 5.0，但显存从 H20 的 96GB HBM3（带宽 4.0TB/s）缩水为 GDDR7（带宽 1.8TB/s），计算性能持平或略低于 H20（FP16 算力约 148TFLOPS）。主打大模型轻量推理、中小规模训练等场景。

大模型服务器厂商
2025-05-09 09:38:28

 990

 2

#机器学习 #人工智能 #自然语言处理 +2
多模态融合论文阅读笔记

计划研究多模态知识图谱方向，利用多模态信息：文本+图像+知识图谱+视频+时间序列。。。，来进行一些应用。第一步先进行相关文献的阅读。

zzuli_gqb
2021-03-03 16:30:16

 3341

 4

#自然语言处理 #图像处理 #知识图谱
中国自动驾驶和未来出行服务市场展望 2024

***当前市场参与者的发展进展。

大模型玩家
2024-07-20 12:45:00

 1545

 20

#自动驾驶 #人工智能 #机器学习 +4
多模态交互3D建模革命！Neural4D 2o：文本+图像一键生成高精度3D内容

Neural4D 2o 是 DreamTech 推出的全球首个支持多模态交互的 3D 大模型。该模型基于文本、图像、3D 和运动数据的联合训练，能够实现3D生成的上下文一致性、高精准局部编辑、角色ID保持等复杂功能。模型原生支持 MCP 协议，通过 Neural4D Agent 提供智能交互体验，让用户通过自然语言指令即可完成高质量的3D内容创作，大幅降低专业3D设计门槛。

纯牛马111
2025-04-18 17:47:07

 952

 10

#自然语言处理
Cohere发布Command A Vision视觉多模态模型，评分超过GPT4.1

Cohere发布开源视觉语言模型Command A Vision（112B参数），在多模态任务中表现卓越，超越GPT-4.1等主流模型。该模型基于Command A构建，采用SigLIP2视觉编码器和三阶段训练流程（对齐、微调、强化学习），在图表分析、文档OCR等企业场景中表现突出。支持低资源部署（2块A100或单张H100），提供Hugging Face和Cohere平台体验入口，赋能企业自动化

 Funny_AI_LAB
2025-08-01 14:26:03

 1005

 19

#人工智能 #自然语言处理 #github +1
NVIDIA TensorRT-LLM 支持腾讯混元最新大语言模型 Hunyuan-A13B推理加速

未来，NVIDIA 技术专家团队将继续跟进混元模型的演进，探索更极致的推理加速技术（如新一代量化、更精细的算子融合、对 Blackwell 新特性的支持），不断刷新性能天花板。同时还将持续推动 TensorRT-LLM 与腾讯云 TI 平台、Hunyuan API 服务等生态的深度集成，提供更便捷的一站式混元模型部署与管理体验。

NVIDIA AI 技术专区
2025-07-04 16:59:53

 1159

 13

#语言模型 #人工智能 #自然语言处理