文章列表-AI魔法学院

文章列表

使用 Dify 和 Moonshot API 构建你的 AI 工作流（一）：让不 AI 的应用 AI 化

初始化 Dify 中的模型配置点击界面右上角的用户头像，在下拉菜单中点击“设置”，在弹出窗口中选择左侧的“模型供应商”菜单，能够看到 Dify 支持配置使用的所有模型类型。

Dify Moonshot API 工作流

Pynsist：一键打包 Python 应用代码成 Windows 安装程序

Pynsist 是一个强大的工具，可以将您的 Python 应用打包成 Windows 安装程序。

Pynsist 程序

OCR的终极解法——传统算法VS多模态大模型

不管怎么样现在的 AI 算法很少有用响应速度作为指标的，特别是大模型，响应速度惨不忍睹。

OCR 大模型文字识别

StableDiffusion

深度解析丨StableDiffusion在多个设计场景中的探索与应用

本文将深入解析StableDiffusion在多个设计场景中的探索与应用，尤其关注如何利用其制作多种商业落地案例。

文生图

万字长文-大语言模型指令调优综述

写在前面大模型纵横的时代，不仅大模型越来越卷，就连大模型相关综述也是越来越卷。

大语言模型

目前大语言模型的评测基准有哪些？

评分结果通过用户投票产生，系统每次会随机选择两个不同的大模型机器人和用户聊天，并让用户在匿名的情况下选择哪款大模型产品的表现更好一些。

人工智能评测大模型

最透彻的大模型PPO原理和源码解读

：评论家模型，它的作用是预估总收益 · Reward Model：奖励模型，它的作用是计算即时收益 · Reference Model：参考模型，它的作用是在RLHF阶段给语言模型增加一些

PPO 大模型源码解读

深度对比丨探索LLM（大模型）部署服务的七大框架差异

OpenLLM 用于在生产中操作大型语言模型 (LLM) 的开放平台。

大模型

深入浅出人工智能常用技术，让你轻松掌握AI应用核心！

深度学习是机器学习的一种，可以利用神经网络模型学习图像特征，从而让计算机可以基于图片进行分类和识别。

人工智能

大模型时代-行业落地的再思考

个人认为，行业大模型的准确说法应该是「通用大模型在行业领域内应用」，为解决行业问题利用行业数据训练模型。

大模型

大模型与游戏结合的一个思路

关于人工智能与游戏的结合，笔者曾写过一篇文章，《真正的人工智能应用于游戏》。

人工智能游戏

大模型检索增强生成RAG的优化

2.2 Self-RAG 经典的RAG架构中（包括KG进行上下文增强），对召回的上下文无差别地与query进行合并，然后访问大模型输出应答。

RAG 检索增强大模型

详解大模型RLHF过程（配代码解读）

出自：https://zhuanlan.zhihu.com/p/624589622 一直都特别好奇大模型的强化学习微调是怎么做的，网上虽然相关文章不少，但找到的文章都是浅尝辄止说到用PPO训练，再细致深入的就没有讲了

训练

对于大模型RAG技术的一些思考

用户问题转换为向量 · 匹配用户问题向量和向量库中各文本块向量的相关度 · 将最相关的Top 5文本块和问题拼接起来，形成Prompt输入给大模型 · 将大模型的答案返回给用户

RAG 大模型

生成式AI与大语言模型的区别

如果它们听起来像是可比的，可能更像是生成模型人工智能对大型模型人工智能，或者可能是生成式语言模型对大型语言模型。

生成式AI 大语言模型区别

<...8 9 10 111213 14 15 16 17 ...>

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