首页
Ai 资讯
Ai 知识库
创作魔法
绘画魔法
视频魔法
训练魔法
Ai术语
Ai提示词
Ai创意图
Ai工具
Ai视频
VIP专区
VIP专区
登录
AI魔法学院客服
最新
排序
收藏
全部
七天内
一个月内
选择分类
全部
写作魔法
绘画魔法
视频魔法
训练魔法
其他
AI工具
VIP视频
推荐阅读
换一批
· 用AI为古诗词生成插画
· 使用ChatGPT润色出高品质文章!
· 制作可爱的表情包
· AI Agent行业深度:框架拆解、应用方向、应用领域及相关公司深度梳理!
· 硬核解读Stable Diffusion(系列三)
· Stable Diffusion 常用LoRA模型推荐
· 不会PS也能做神图?豆包AI绘画全解析,让你的创意秒变艺术品!
· 在SD中一键换脸!!!
· Comfyui工作流原理 你都了解吗
· AI换脸:FaceFusion 3.5.0更新,解决老版本无法使用问题!
热门标签
Stable Diffusion
stable diffusion
Midjourney
midjourney
ComfyUI
comfyui
ChatGPT
chatgpt
大模型
数字人
开源
人工智能
Sora
文心一言
天工
零一万物
知海图
星火
文心一格
混元
通义千问
盘古
言犀
ChatGLM
Github
微软
热门标签
免费
教程
插件
免费
教程
插件
免费
教程
插件
文章列表
大模型
大模型的最大bug,回答正确率几乎为零,GPT到Llama无一幸免
一种观点认为,逆转诅咒表明了
LLM
训练过程中逻辑演绎的基本失败。
大模型
RAG
RAG 2.0,终于把RAG做对了!
这就是RAG(Retrieval-Augmented Generation,检索增强生成)的精髓,一个在推理时提供与用户查询相关的实时内容以增强
LLM
响应的系统。
RAG
大语言模型
大模型
最新大模型面经+感受,4家大厂offer!
因此想要尝试跳槽,换一份大模型方向的工作,做RLHF或者
LLM
-agents。
大模型
面试
大模型
企业如何更好的使用大模型?都有哪些框架和方案
So you want to build an AI application powered by
LLM
: Let’s talk about Embedding and Semantic Search
人工智能
大模型
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
大家可能也有听到一些相关名词或术语如“大模型”、”
LLM
大型语言模型”、”GPT”、”ChatGPT”和”AIGC”,这些名词之间有什么区别或联系?
大模型
史上最好的中文大预言模型出现了!!!
测试问答:详述
LLM
和GPT区别 通义千问,虽然他说自己不能联网,时效性问题有些可以回答的,日期以及A股涨幅,我猜是开放了某些接口,具体的新闻是无法回答的,可以文档解析
Kimi
Chat
大模型
大模型
垂直领域大模型的思考
Consistency Evaluation 知识召回 DPR, GTR, Keyword
LLM
垂直领域
大模型
Agent
RPA终极发展方向瞄准AI Agent,超自动化智能体时代已经开启
扩展阅读:从引入并集成多
LLM
到发布自研模型,RPA与
LLM
的融合进度怎样了?
RPA
自动化
微调
Baichuan-13B 保姆级微调范例
这可能是你能够找到的最容易懂的,最完整的,适用于各种NLP任务的Baichuan-13B-Chat的finetune教程~ Baichuan-13B是百川智能于2023年7月11日发布的开源中英双语
LLM
开源模型
人工智能
深度洞察:人工智能体(AI Agent)2024年重要发展趋势指南
然而,
LLM
只是已经开始的GenAI革命的序幕。
AI
Agent
人工智能
【2023.10】看目前巨头的AI原生产品布局
0、前言 0.1、为什么要与 基座
LLM
小公司的文章分开 巨头公司跟单纯的基座
LLM
公司有很多本质的不同,例如: 对于巨头来说,没有“该选择做哪些而不做另一些”的问题,答案肯定是“我都要”,问题在于
大模型
产品
大模型
全球最强长文本大模型,一次可读35万汉字:Baichuan2-192K上线
10 月 30 日,百川智能正式发布 Baichuan2-192K 长窗口大模型,将大语言模型(
LLM
)上下文窗口的长度一举提升到了 192K token。
Baichuan2
百川
开源
Prompt
如何看待大型语言模型的Prompt
第一个区别是,
LLM
是一种连续的、插值式的数据库。
prompt
大语言模型
RAG
检索增强生成(RAG)有什么好的优化方案?
这种方法有一些缺点,比如无法获取长程关联知识[3]、信息密度低(尤其当
LLM
context window较小时不友好)。
RAG
检索增强
RAG
检索增强生成(RAG)有什么好的优化方案
这种方法有一些缺点,比如无法获取长程关联知识[3]、信息密度低(尤其当
LLM
context window较小时不友好)。
RAG
检索增强生成
<
...
10
11
12
13
14
15
16
17
18
19
...
>
1
2
4
5
6
7
8
9
100