深度解析：人工智能技术在我国的发展与应用
这篇文章探讨了深度学习的发展趋势和挑战。首先，作者介绍了深度学习的基本概念和发展历程，然后分析了当前深度学习在计算机视觉、自然语言处理等领域的主要应用，最后讨论了深度学习的未来发展趋势和潜在的挑战。
构建基于LLM模型的本地化应用指南
这篇文章主要介绍了一种基于LLM模型的应用如何进行本地化部署的方法，作者以京东科技刘大朋的身份在京东云开发者社区分享了他的经验。首先，他阐述了所需的软硬件环境以及基础的LLM模型，接着介绍了中间的基础框架和最上层的展示组件。最后，他强调了这种方法可以实现本地零编码体验，并满足个性化开发部署的需求。
优化AI大模型训练效率，助力行业创新
FATE-LLM新版本发布，支持中文大语言模型ChatGLM-6B联邦化训练。FATE开源社区技术指导委员会主席杨强教授指出，联邦大模型是解决AI大模型发展遇到的公域数据消耗殆尽、隐私安全保护和异构小模型整合等问题有效路径。FATE社区开源了FATE-LLM联邦大模型功能模块，以联邦学习大模型的技术解决方案破局数据隐私保护与数据不足等问题。近期，联邦大模型开源平台FATE-LLM最新版发布，在横向联邦场景支持ChatGLM-6B中文语言大模型，集成GLM的FATE-LLM将更好为国内用户提供中文大模型应用落地选择。
《智谱ChatGLM3：颠覆性的AI大模型，引领智能科技革命》
智谱AI在2023中国计算机大会上发布的ChatGLM3基座大模型，采用创新预训练方法，实现更充分训练效果。ChatGLM3具备多模态理解、代码增强、网络搜索等功能，并引入全新功能如CogVLM-看图识语义、Code Interpreter和WebGLM-接入搜索增强。ChatGLM3集成了AgentTuning技术和国产大模型原生支持，包括复杂场景。ChatGLM3-1.5B和ChatGLM3-3B模型可用于手机端测试，性能与ChatGLM2-6B相当。ChatGLM3在推理速度和成本方面具有一定优势，成为当前最具竞争力的大模型之一。