文章列表-AI魔法学院

文章列表

ModelScope(一站式开源的模型即服务共享平台)的简介、安装、使用方法之详细攻略

多模态技术的目的是打通模态之间沟通的桥梁和通过信息互补提升理解各自模态的能力。

开源

无显卡+纯本地跑Qwen1.5版模型！0基础闭眼部署指南！适用绝大部分开源模型！llama2+Mistral+Zephyr通杀！

在新年几天，把知识图谱和高级RAG应用干完！

Qwen1.5 开源模型

分析过688篇大模型论文，这篇论文综述了LLM的当前挑战和应用

分析过688篇大模型论文，这篇论文综述了LLM的当前挑战和应用 LLM 面临哪些挑战又有哪些应用？

开源模型

Agent四大范式 | 综述：全面理解Agent工作原理

所以将复杂任务简化是一个非常有效的办法，有点类似于“分而治之”的策略（如下图）。

Agent 大语言模型

9.4k Star！MemGPT：伯克利大学最新开源、将LLM作为操作系统、无限上下文记忆、服务化部署自定义Agent

教导llm管理自己的无限上下文内存!

MemGPT 大语言模型

10个具有代表性的AI-Agents，将如何改变互联网/重塑Web3

探讨AI-Agents的创新可能性 AI-Agents的共识与非共识 AI-Agents之所以能够成为一个越来越备受关注的方向，很多程度上是因为LLM为AI-Agents的落地应用提供了可行的技术实现路线

开源模型

PostgreSQL的三位一体——在大模型应用中结合关系型、向量和时间序列数据

基于时间的语义搜索还使您能够使用检索增强生成(Retrieval Augmented Generation, RAG)和基于时间的上下文检索，从而为用户提供更有用的LLM响应。

大模型 PostgreSQL

比GPT-4快18倍，世界最快大模型Groq登场！每秒500 token破纪录，自研LPU是英伟达GPU 10倍

堪称是「世界上速度最快的LLM」！

Groq 大模型

【上篇】深度解析AI大语言模型（LLM）在企业应用的关键技术与典型架构

大语言模型（LLM）的出现，使基于自然语言处理的人工智能技术实现了飞跃式的发展，彻底开启了AI2.0的时代。

大语言模型

面向知识图谱的大模型应用

为了应对这一挑战，RAG 将 LLM 的优势与可扩展的外部知识源(如知识图谱)检索结合了起来，不再尝试静态地编码模型中的所有信息，而是允许根据需要动态地从知识图谱中查询必要的上下文。

知识图谱大模型

CMU华人打破大模型黑盒，Llama 2撒谎被一眼看穿！脑电波惨遭曝光，LLM矩阵全破解

反之，它默认在右边是欺骗，但可以控制它恢复诚实，即使在提示它说谎时也是如此。

大模型

推荐智能体：利用大模型进行交互式推荐

在本文中,我们架起了推荐模型和LLM之间的鸿沟,将各自的优势融合以创建一个多功能和交互式的推荐系统。

大语言模型推荐

如何修复GPT幻觉、及评估数据集的挑战

2、什么是LLM幻觉？

大模型

Prompt 策略：代码库 AI 助手的语义化搜索设计

第二部分，围绕于解决空间的实现，即通过检索增强（RAG，Retrieval Augmented Generation），来获得对应问题的答案。

prompt

LangChain Agent 原理解析

LangChain 是一个基于 LLM（大型语言模型）的编程框架，旨在帮助开发人员使用 LLM 构建端到端的应用程序。

大模型

<...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