文章列表-AI魔法学院

文章列表

大模型检索增强生成RAG的优化

一、RAG基础功能优化对RAG的基础功能优化，我们要从RAG的流程入手[1]，可以在每个阶段做相应的场景优化。

RAG 检索增强大模型

ChatGPT Prompt提示词课程（斯坦福吴恩达 | OpenAl）指南篇极简笔记

原则一：清楚、明确的指令 1、使用分隔符标识重要文本如用''' *** ---等，例：请对如下文本进行摘要''' 文本内容 ''' 注意内容与提示词的冲突即，避免需要处理的内容包含某指令

prompt 大模型

Stable Diffusion

Stable Diffusion教程：提示词

格式是：keyword:factor keyword是要设置权重的提示词，factor是权重，权重的默认值是1，小于1表示降低权重，大于1表示增加权重。

提示词 SD 绘画

用so-vits-svc-4.1进行音色转换的极简教程！

但是无论转换哪种声音，都需要至少采集30分钟-1小时的语音干声，这对于普通讲话很好采集，只需要到一个安静的场所，比如录音棚，录制一段语音即可。

so-vits-svc 音色转换教程

性能超出预期！神秘的国产大模型 Kimi 开放 API

我用一段 2200 余字的中文提示词，测试了 Moonshot 和另外两个国外标杆，它们的 token 计数分别如下： · GPT-3.5：2922（1 token ≈

Kimi Chat 大模型 API

AI声音克隆 | 最全最简教程（权威版）

Bert-VITS2可能需要更长的训练时间(1-4个小时)来达到高质量的语音合成效果，尤其是在数据集较大或模型较为复杂的情况下简单来说就是如果你需要更稳定和标准的声音，辛苦一次永久使用就选择

声音克隆教程

Stable Diffusion

全网最全AI绘画Stable Diffusion关键技术解析

算法1：分类器引导的扩散采样这个算法描述了如何使用分类器来引导扩散模型的采样过程。

Stable Diffusion 文生图

忘掉 RAG，未来是 RAG-Fusion！搜索的下一个前沿：检索增强生成遇上倒数排名融合和生成查询

RAG有许多优点： 1.

RAG-Fusion 检索增强

深入探秘：百川7B大模型的训练代码解析，揭秘巨无霸语言模型背后的奥秘

二、CML模型类：BaiChuanForCausalLM这个类主要做的就是调用多层的decoder结构，拿到最后一层的输出，然后自监督地预测下一个词，完成了训练目的，具体的是下面的步骤：1、将上面的logits

大模型

腾讯开源的数字人MuseTalk到底行不行？

这里面有两个点值得商榷： 1、实时：每秒30帧能算实时吗？

MuseTalk 数字人音频

NEFTune：在Embedding中加入噪⾳提⾼指令微调效果！

一.引用在LLaMA2-7B这样的原始LLM中使⽤带有噪⾳嵌入进⾏微调时，其在AlpacaEval上的性能从29.8%提⾼到64.7%（图1)

NEFTune 大语言模型

【AI代理】多代理模式之多任务分配&信息传递

如图：接着我们做一个多任务分配，既然是桃园三结义，就让他们发表一下誓词，提示词是这样的： 1.

多任务模式分配传递

SD入门教程三：采样器及参数调整

1.

SD 入门教程

Stable Diffusion

Stable Diffusion新手快速入门教程

在SD中，基础参数设置主要包括几个地方，如下图： (1)采样方法(Sampler)。

文生图

Stable Diffusion

Stable Diffusion超清放大及修复细节操作

hands and fingers, 迭代步数 (Steps)：35 采样方法 (Sampler)：DPM++ 3M SDE Exponential 宽度：768 高度：1344 总批次数：1

Stable Diffusion 文生图

<...7 8 9 101112 13 14 15 16 ...>

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2025 AI魔法学院

京ICP备20027199号-1