文章列表-AI魔法学院

文章列表

LLM应用架构之检索增强（RAG）的缘起与架构介绍

从目前大模型特点出发，从简单到复杂，可以分为三个形态，chatbot（聊天机器人），copilot（智能助手），Agent（智能体）。

LLM

GPTs+Notion，打造最强GPTs数据处理方案！喂饭级教程！

GPTs最大的价值在于支持Action，可以连接各种第三方API服务，一套功能丰富的Prompt结合不同的Action，就可以做到那些复杂Agent框架才能做到的事情。

GPTs Notion

歪理大集合，谁也跑不了

感知源和行动的风格肯定要根据不同的公司要有微调，比如同样是招聘的Agent，不可能期望用感知、行动和价值序列都一样的产品解决所有公司的问题。

大模型

开源新标杆，千问Qwen2系列模型发布，全面超越LLama3

Compressor）部署（vLLM、SGL、SkyPilot、TensorRT-LLM、OpenVino、TGI）本地运行（MLX、Llama.cpp、Ollama、LM Studio） Agent

qwen 千问开源

中文通用大模型最全汇总

://github.com/FlagAI-Open/FlagAI/tree/master/examples/Aquila 简介：由智源研究院发布，Aquila语言大模型在技术上继承了GPT

大模型开源模型

微软研究团队：Sora核心技术及未来机会研究报告-中英对照版

与 GPT-4 等大型语言模型相似，Sora 能够解析文本并理解复杂的用户指令。

sora 论文

【2023.10】看目前巨头的AI原生产品布局

Browse with Bing模式则像是一个简易Agent的技术demo，而不像是一个智能搜索产品。

大模型产品

OpenAI Assistants API 使用指南

nbsp; tools=tools, model="gpt

OpenAI Assistants API

四种微调技术详解：SFT 监督微调、LoRA 微调、P-tuning v2、Freeze 监督微调方法

这些大型预训练模型，如GPT-3、BERT和T5，拥有卓越的自然语言处理能力，但要使它们在特定任务上表现出色，就需要进行微调，以使其适应特定的数据和任务需求。

大模型

向量数据库失宠了？OpenAI 力捧检索增强生成（RAG）技术，对行业来说意味着什么？

在刚刚过去的首届 OpenAI 开发者大会上，OpenAI 不仅公布了新的 GPT-4 Turbo 模型，还推出了多项对现有功能的升级和融合，一系列新产品和新功能的发布让外界大呼过瘾。

检索增强生成大语音模型

LangChain: LLM 应用聚焦的两大方向，RAG 和 Agents

下面是来自 Lilian Weng 的一张图解： Overview of a LLM-powered autonomous agent system 接下来将分别从 RAG/Agents 两个方向分别找典型例子实验

大模型

完整ChatGLM3部署教程，支持手机和车载平台部署

同时原生支持工具调用（Function Call）、代码执行（Code Interpreter）和 Agent 任务等复杂场景。

ChatGLM3 大模型

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

为此，我们首先使用Flan-T5-Large、Vicuna、Llama 2、BLOOM、ChatGPT和GPT-4等多种llm对45个任务进行了自动实验。

Prompt 大模型情感激励

Ollama还是vLLM？深度解析四大顶级LLM服务框架：性能、特性与技术选型指南

这对于需要迭代或分支对话的复杂 LLM 程序（如代理（Agent）工作流）至关重要。

LLM 服务框架

更快更好的chatglm3来了

同时原生支持工具调用（Function Call）、代码执行（Code Interpreter）和 Agent 任务等复杂场景。

开源模型 ChatGLM

<...13 14 15 161718 19 20 21 22 ...>

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