近年来，大语言模型（LLM）在语言理解、生成和泛化方面取得了突破性进展，并广泛应用于各种文本任务。随着研究的深入，人们开始关注将 LLM 的能力扩展至非文本模态，例如图像、音频、视频、图结构、推荐系统等。这为多模态统一建模带来了机遇，也提出 ...

点击上方“Deephub Imba”,关注公众号,好文章不错过 !这篇文章从头实现 LLM-JEPA: Large Language Models Meet Joint Embedding Predictive Architectures。需要说明的是，这里写的是一个简洁的最小化训练脚本，目标是了解 JEPA 的本质：对同一文本创建两个视图，预测被遮蔽片段的嵌入，用表示对齐损失来训练。本文的目标是 ...

近年来，大语言模型（LLM）在语言理解、生成和泛化方面取得了突破性进展，并广泛应用于各种文本任务。随着研究的深入，人们开始关注将 LLM 的能力扩展至非文本模态，例如图像、音频、视频、图结构、推荐系统等。这为多模态统一建模带来了机遇，也提出 ...

随着上下文窗口的不断扩大，大型语言模型（LLM）面临着显著的性能瓶颈。尽管键值（KV）缓存对于避免重复计算至关重要，但长上下文缓存的存储开销会迅速超出GPU内存容量，迫使生产系统在多级内存结构中采用分层缓存策略。然而，将大量缓存的上下文重新 ...

Tokens are the fundamental units that LLMs process. Instead of working with raw text (characters or whole words), LLMs convert input text into a sequence of numeric IDs called tokens using a ...

In a recent collaboration, AI startup Gradient and cloud compute platform Crusoe extended the “context window” of Llama-3 models to 1 million tokens. The context window determines the number of input ...

Researchers from the University of Maryland, Lawrence Livermore, Columbia and TogetherAI have developed a training technique that triples LLM inference speed without auxiliary models or infrastructure ...

What makes a large language model like Claude, Gemini or ChatGPT capable of producing text that feels so human? It’s a question that fascinates many but remains shrouded in technical complexity. Below ...

Anthropic updates tool calling to reduce token use; tool search cuts tokens up to 80%, making larger tool sets practical.