文章列表-AI魔法学院

文章列表

视频大模型训练相关词条解释

借助于对语言的深刻理解，Sora能够准确地理解用户指令中所表达的需求，把握这些元素在现实世界中的表现形式。

视频生成 sora 词条

大模型推理能力增强方法总结

思维链概念的开山之作——Chain-of-Thought Prompting 思维链（Chain-of-Thought，CoT）的主要思想是通过向大语言模型展示一些少量的样例，在样例中解释推理过程，大语言模型在回答提示时也会显示推理过程

推理能力大模型

大模型微调方法总结

但是随着预训练语言模型越来越大，这个范式存在以下问题： ● 当我们 finetune 大模型时，由于训练成本太高，不太可能重新训练所有模型参数 ● 以前的方法（论文发表于 2021 年）都或多或少有其它性能问题

开源模型

大模型能力评估体系

随着这些模型在自然语言处理、图像识别、自动编程等多个领域显示出的卓越能力，它们正逐渐成为科技界的焦点。

大模型评估

ChatGPT等大模型实用的提问技巧

ChatGPT 较为实用的语法结构总结结构描述举例备注语境描述 Context

大模型

从零开始了解AI大模型 - 概念篇：一文带你走进大模型世界

AI大模型概念现阶段大家讨论的AI大模型一般都是围绕着“自然语言”方面的基础大模型。

大模型

最透彻的大模型PPO原理和源码解读

语言模型又是如何根据奖励做更新的？

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

· · 量化延迟和成本降低——MII 可以显着降低非常昂贵的语言模型的推理成本。

大模型

OCR的终极解法——传统算法VS多模态大模型

随着技术的进步，命名实体识别系统的准确性和复杂性都有了显著提升，能够在多种语言和领域中有效地识别和分类实体。

OCR 大模型文字识别

检索增强生成(RAG)：LLM企业级应用落地的挑战与思考

随着大型语言模型的发展，检索增强生成（Retrieve Augment Generation，简称RAG）已成为构建问答和会话AI系统的一种流行方法。

大语言模型 RAG检索增强

大模型时代-行业落地的再思考

写在前面大家好，目前大模型落地是大家特别关心的问题，之前我也对垂直领域大模型的做了一些思考并对领域开源模型进行汇总。

大模型

大模型与游戏结合的一个思路

该篇文章写于2019年，当时还没有ChatGPT这样的大模型，所以那时的思路主要是让游戏能够根据玩家水平的逐步提高，游戏的难度也相应提高，使得玩家始终有一种棋逢对手的感觉，从而增加游戏的可玩性，即笔者在文章中所说的

人工智能游戏

大模型检索增强生成RAG的优化

RAG工作流程（with memory）从RAG的工作流程看，能优化的模块有：文档块切分、文本嵌入模型、提示工程优化、大模型迭代。

RAG 检索增强大模型

中国AI大模型，应该如何商业化

比如OpenAI的语言模型GPT-3，成本接近500万美元，也就是人民币4000万左右。

大模型 AI

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

<...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