AIGC专题一探析AIGC的技术发展和应用

德邦证券行业专题传蝶图表目录图1：内容生产模式的四个发展阶段…图2：自然语言处理的发展历史6图3：大规模预训练模型大幅提升研发效率.6图4：BERT的每一层都是双向模型：GPT为单向模型：ELM0为单项模型叠加7图5：大规模预训练语言模型的发展趋势之一是参数量不断增加7图6：ELMO基于RNN,双向RNN可以利用前后文信息.8图7：ELM0将词嵌入作加权和，给出最终的词向量.8图8：且LM0解决了一词多义问题，且兼顾语义与词性.8图9：BERT的结构是Transformer中的Enc0der部分.9图10：BERT采用了预训练+微调的两阶役模型9图11：NSP任务中输入向量生成示意图.9图12：GPT模型结构.…...10图13：GPT-3将例子直接作为模型输入10图14：Few Shot较Zer0Shot在模型增大后表现提升更显著.10图15：GPT-3.5的进化树...11图16：RLHF工作原理..11图17：ChatGPT的训练模式.11图18：ChatGPT能够进行对话，甚至能完成撰写代码12图19：ChatGPT上线2个月后月度用户数量破1亿…12图20：OpenAl推出付费订阅项目ChatGPT Plus,价格s20/月.12图21：不同生成模型之间的区别13图22：GAN的基本思想13图23：训练后的GAN生成案例..13图24：Diffusion M0del基于马尔科夫链，通过学习噪声来生成数据14图25：GLIDE可以进行文本到图像的生成..14图26：GLIDE可以执行图像修复.....14图27：unCLIP模型示意图..15图28：D4LLE2的生成案例.15图29：Image的架构示意图..15图30：Image的生成案例..15图31：Stable Diffusion生成效果.…16图32：Stable Diffusic0n2.0引入了图像深度扩撒模型.163120请务必阅读正文之后的信息拔露和法律声明