文章列表-AI魔法学院

文章列表

会“追问”的Agent，大模型知识库另类实践

但在提升回答的准确度方面，该方案存在一些致命的缺陷，通过分解Langchain的架构，我们可以看到（图2）：图2: Langchain + Vectorstore + LLMs 首先，在第2步

大模型

金融行业的开源AI大模型

因为受到监管的约束，大型金融机构的产品和运作模式也会比较趋同，一套通用的开源大模型也许可以覆盖不同机构90%的需求。

开源大模型

基于Ollama本地部署Llama3指南！

模型架构 Llama 3 是一个自回归语言模型（an auto-regressive language），它使用优化的 transformer 架构。

LLama3 ollama

llm-action：让天下没有难学的大模型

配套代码 HuggingFace PEFT LLM分布式训练并行技术近年来，随着Transformer、MOE架构的提出

大模型 LLM

24年首篇离奇论文：加点噪声，RAG效果翻倍？

论文方法方法描述本文介绍了使用RAG（Retrieve and Generate）框架来解决开放域问答问题的方法。

RAG 检索增强

10个具有代表性的AI-Agents，将如何改变互联网/重塑Web3

这篇论文有两个关键的解决方案是最值得我们去关注的： 1，生成式代理的架构代理感知它们的环境，并将所有感知保存在称为记忆流的全面记录中

开源模型

最新最全的开源中文大语言模型列表

ChatRWKV：地址：https://github.com/BlinkDL/ChatRWKV 简介：开源了一系列基于RWKV架构的Chat模型（包括英文和中文

大模型

如何最简单、通俗地理解Transformer？

Transformer 架构内部应用的注意力称为自注意力（self-attention）。

Transformer 大模型

万字长文-大语言模型指令调优综述

指令的作用是约束模型的输出，使其符合预期的响应特征或领域知识，为人类干预模型的行为提供一个通道；(3) IT 具有计算效率，可以帮助 LLMs快速适应特定领域，而无需大量的再训练或架构更改。

大语言模型

OpenAI视频模型Sora的推理生成成本多高？

虽然 Diffusion Transformer 和 LLM 的 Autoregression Model 架构不同，但均为 Transformer 架构： Diffusion Transformer

Sora 推理算力

开源大模型部署及推理所需显卡成本必读：也看大模型参数与显卡大小的大致映射策略

meta-llama/Llama-2-7b-hf meta-llama/Llama-2-13b-hf meta-llama/Llama-2-70b-hf 输入：仅输入文本输出：仅生成文本模型架构

开源模型

baichuan2 有什么好的深挖论文中涉及的知识点

在下面的章节中，将详细介绍对 vanilla Transformer 架构和训练方法所做的详细修改。

大模型

Llama 3突然来袭！开源社区再次沸腾：GPT-4级别模型可以自由访问的时代到来

架构层面，Llama 3选择了经典的仅解码（decoder-only）式Transformer架构，采用包含128K token词汇表的分词器。

meta llama3

无限长的上下文，也干不掉的RAG

模型架构、查询感知上下文化和指令微调的影响研究还探讨了模型架构（仅解码器vs.编码器-解码器）、查询感知上下文化和指令微调对模型使用上下文的影响。

RAG 大模型

微调、训练大模型概念介绍及论文笔记：Tuning系列论文笔记

prompt连续向量，且不固定，同时使用LSTM建模prompt向量之间的关联性【P-tuning与Prefix-tuning】： Prefix-tuning仅针对NLG任务生效，服务于GPT架构

训练微调

<...15 16 17 181920 21 22 23 24 ...>

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