OneFlow一流科技

年关将至，我们精选了60篇文章，并制作成一份超800页的“年货”赠予每一位用户，希望能帮助你系统了解大模型的来龙去脉。

代码仓库地址：https://github.com/Oneflow-Inc/one-yolov5。欢迎star one-yolov5项目获取最新的动态。

这个教程用来解释如何导出一个训练好的OneFlow YOLOv5模型到 ONNX。欢迎大家查看本篇文章的完整版本。

数字智能优于生物智能的进程无法避免，超级智能很快就会到来，他必须要对其风险发出警示，而人类需要找到一种方法来控制AI技术的发展。

近期，在Eye on AI播客的主持人Craig S. Smith与Edo Liberty的对话中，他介绍了如何通过向量嵌入解决LLM的幻觉问题，并分享了技术细节和构建流程。

由于GPU机器架构是多种多样的，一台机器上可能有多个网卡，多个GPU卡，卡间连接也各不相同，因此需要对机器内设备连接拓扑进行分析，以使性能在各种拓扑结构下都尽可能好。

John Schulman在最近的Berkeley EECS会议上系统性地分享了OpenAI在人类反馈的强化学习方面所做的工作，以及语言模型的幻觉等亟待解决的问题，同时也介绍了解决这些挑战的潜在思路。

基于Schulman的演讲内容，以色列巴伊兰大学教授Yoav Goldberg对强化学习在大型语言模型应用必要性作了深度解读，进一步对比论证了监督学习与强化学习的特点，并为未来改进提供了思路。

最近，很多关于较小模型的研究取得了令人振奋的对话能力，这让人们想象，是否较小的模型能具有与像 GPT-3.5 这样的大型模型相当的性能。