文章列表-AI魔法学院

文章列表

大模型的最大bug，回答正确率几乎为零，GPT到Llama无一幸免

ensp; GitHub 链接：https://github.com/lukasberglund/reversal_curse 名字和描述颠倒一下，大模型就糊涂了本文通过一系列对合成数据的微调实验来证明

大模型

必读！RAG好用的3种Router

例如：写代码的Code-LM、做数学的meta-math,做图文多模态的Macaw-llm等等。

RAG Router

从思维链(CoT)，到思维树(ToT)，再到思维图(GoT)：用LLMs解决复杂问题！

这种方法优点能够将任意LLM的思维组合在一起，提炼出整个思维图内容。

大模型

大模型检索增强生成RAG的优化

· 文本嵌入模型：基于新语料微调嵌入模型、动态表征。

RAG 检索增强大模型

用户意图对齐，无需人工标注，Zephyr-7B 超越 Llama2-Chat-70B

通过应用蒸馏监督微调(distilled supervised fine-tuning, dSFT)和蒸馏直接偏好优化(distilled direct preference optimization,

小型语言模型 Zephyr-7B

大模型应用发展的方向｜代理 Agent 的兴起及其未来（下）

Mind2Web结合了多个经过HTML微调的LLMs，能够在真实场景中总结冗长的HTML代码并提取有价值的信息。

大模型

一个产品经理的大模型观察、反思与预测

Andrej Karpathy GPT模型技术原理和训练过程 GPT训练的四个主要阶段： 1.Pretrain 预训练 2.Supervised Finetuning 自监督微调

工作

RAG 修炼手册｜一文讲透 RAG 背后的技术

由于原始 Transformer 模型在大规模任务上表现出色，研究人员开始尝试调整模型的大小以提高性能。

RAG Embedding

企业如何更好的使用大模型？都有哪些框架和方案

以OpenAI为例，如果对通用模型进行微调（Fine-tuning)后，每使用1000个token（约600汉字）需要0.12美金。

人工智能大模型

数据脏乱差？一款开源神器让你的大模型更“干净”——Dingo 上手体验

预训练喂了脏数据，模型就会胡言乱语；RAG 检索出低质量内容，用户就会怀疑“AI 不靠谱”；即便是精心标注的指令微调数据，也可能暗藏重复、无效、甚至安全风险。

Dingo 大模型

2024年值得关注的Agent框架

它们在规划、用户体验、记忆和大模型调用等方面表现出色。

Agent 框架

AI Agents大爆发：软件2.0雏形初现，OpenAI的下一步

此外，作者还提出了进一步提高 ReAct 准确率的方法，即微调（fine-tuning），类似人类“内化”知识的过程，将上千条正确的推理动作轨迹输入进 LLM 进行 fine-tuning，可以显著提高准确率

agent

Yann LeCun杨立昆最新观点：AGI不存在

他讨论了联合嵌入架构 (JEA) 和 LLM 之间的根本区别，强调 JEA 的目标是预测输入的抽象表示而不是每个细节。

AGI 大语言模型观点

大模型应用的10种架构模式

3.多任务微调模式在这种架构模式中，我们对大型语言模型进行了微调，使其能够同时处理多个任务，而非仅仅针对单个任务。

大模型架构

确实很神奇! 通过 Prompt 中加入“这件事对我的事业至关重要”这样的情感激励可以提升 LLMs 的表现

尽管大型语言模型(llm)越来越被视为向人工智能迈进的一步，在许多任务中表现出令人印象深刻的表现，但llm是否能够真正掌握心理情绪刺激仍然不确定。

Prompt 大模型情感激励

<...11 12 13 141516 17 18 19 20 ...>

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