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
· PPT又又有新突破了!智谱AI代码流造PPT
· 了解Kimi必看的26个问题 | Kimi系列文(二)
· Stable Diffusion 加速/优化/升级 优化出图速度
· ComfyUI-基础图生图&基础图片缩放
· 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
· 芯片拼接技术:英伟达新核弹,站在苹果的肩膀上!
· 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!
· Stable Diffusion | 常见问题清点汇总
· SD入门教程四:图生图基础用法
· Coze多智能体(Multi-Agents)模式体验!
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
手把手教你认识学会LangChain
代理,根据不同的
指
令
采取不同的行动,直到整个流程完成为止。
langchain
ChatGLM
使用自己的数据训练清华ChatGLM2-6B 模型
它通过在模型输入前添加小段Discrete prompt(类似填空句),并只优化这个prompt来实现模型
微
调
。
ChatGLM2-6B
大模型
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
Prompt
7个有用的Prompt参数
当涉及到生成式AI时,"prompt"通常
指
的是作为输入给模型的初始提示或
指
示。
prompt
Prompt
硬核Prompt赏析:HuggingGPT告诉你Prompt可以有多“工程”
在上面的Prompt设计中,HuggingGPT综合使用了“基于规范的
指
令
”(specification-based instruction)和 “基于示范的解析”(demonstration-based
提示词
prompt
ChatGPT
使用 ChatGPT + Claude 撰写成功的商业计划书
然而,这个过程可能会
令
人望而生畏,尤其是对于首次创业的人来说。
工作
大模型
OCR终结了?旷视提出可以文档级OCR的多模态大模型框架Vary,支持中英文,已开源!
以往这一任务需要文本识别、布局检测和排序、公式表格处理、文本清洗等多个步骤—— 这一次,只需一句话命
令
,多模态大模型 Vary 直接端到端输出结果: 无论是中英文的大段文字
OCR
手写
文字识别
大模型
分析过688篇大模型论文,这篇论文综述了LLM的当前挑战和应用
微
调
开销 需要大量内存:对整个 LLM 进行
微
调
时需要预训练时一样大的内存,但很多从业者无法办到。
开源模型
大模型
大模型评测新思路:弱智吧精华问题大全
然而,LLM 在中文
指
令
调
优方面仍然存在明显差距。
弱智吧
训练数据集
开源
OCR是什么以及推荐几款开源中文OCR识别软件
光学字符识别(Optical Character Recognition, OCR)是
指
对文本资料的图像文件进行分析识别处理,获取文字及版面信息的过程。
OCR
cursor+coze智能体,一行代码没写,我撸了个小程序
软件安装 本文所有的内容只需要依赖cursor+
微
信开发工具两个软件即可。
cursor+coze
智能体
Meta
各个语种互相翻译:Meta推出NLLB-200 AI模型,可实现200种语言互译
为了构建它,Facebook 研究人员确定了三个标准来
指
导他们的语言选择,包括来自不同家族的语言,这些语言具有地域多样性,并被广泛使用。
翻译
大模型
LLM
2023年LLM如何入门?请看这篇综述!
下图是实例格式化的说明和用于构造
指
令
格式实例的常见的三种不同方法: image.png · 格式化任务数据集
大模型
提示词
Anthropic推出提示词生成器让AI秒懂你的需求!
,时长00:45 这种技术可以帮助AI更深入地理解用户的
指
令
背后的复杂逻辑,从而提供更为精确和可靠的响应。
Anthropic
提示词
生成器
RAG
LLM应用架构之检索增强(RAG)的缘起与架构介绍
2)它由于在预训练和
微
调
过程中学到了大量的知识,可谓是无所谓不知。
LLM
<
...
14
15
16
17
18
19
20
21
22
23
...
>
1
2
4
5
6
7
8
9
100