文章列表-AI魔法学院

文章列表

向量数据库简介和5个常用的开源项目介绍

通过为LLM提供可插入的知识，事实和技能，使构建LLM应用程序变得容易，可以轻松地管理文本文档，将文本转换为嵌入，并进行相似度搜索。

开源模型

RAG 2.0，终于把RAG做对了！

整个架构基于一个单一原则：有能力检索与请求或提示上下文语义相关、有意义的数据。

RAG 大语言模型

Prompt屠龙术-大厂prompt工程指南解析提炼

· 结构化框架可以帮助用户有效地制作、优化和自定义AI提示，以确保在各种AI模型中获得最佳性能

prompt 大模型解析

登顶的小熊猫模型出AI产品了！3步10秒出一张海报，可免费商用

官方介绍是用来做海报设计，使用非常简单：只需框选需要编辑的部分，把文本、所需元素在你想要的位置随便摆摆，再输入提示词，然后点击提交。

图形设计生成器文生图

必看！阿里通义千问完整技术报告

2.3 架构 QWEN采用了一种修改过的Transformer架构。

大型语言模型报告

最顶尖的大语言模型人才，只关心这10个挑战

最近我参加了一个关于LLM的讨论小组，与Dropbox、Langchain、Elastics和Anthropic等公司的人员进行了交流，他们认为，企业大规模采用LLM进行商业生产，最大的障碍就是幻觉问题

大语言模型

大模型中的Top-k、Top-p、Temperature详细含义及解释

本文简单介绍了GPT(GPT-3, GPT-3.5, GPT-4 etc.)系列大模型(LLM, Large Language Model)中的常见参数Top-k, Top-p, Temperature. 在使用OpenAI的接口，或自己训练相关模型时，也会经常遇到这些参数。下面我们逐步地介绍概念，并举一些例子来帮助理解。

大模型

如何看待大型语言模型的Prompt

自注意力是Transformer架构中最重要的单一组件。

prompt 大语言模型

忘掉 RAG，未来是 RAG-Fusion！搜索的下一个前沿：检索增强生成遇上倒数排名融合和生成查询

这种融合使大型语言模型（LLM）能够生成更丰富、更具上下文意识的输出。

RAG-Fusion 检索增强

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

大模型套壳祛魅：质疑套壳，理解套壳

按照预训练框架的菜谱炒菜，就是预训练的过程。

大模型套壳

43个商业价值很高的prompt

帮助我使用英雄的旅程框架为我的品牌创建强大的品牌故事。"

prompt

打磨 8 个月、功能全面升级，Milvus 2.3.0 文字发布会现在开始！

具体来看：Milvus 2.3.0 不仅包含大量的社区呼声很高的新功能，还带来了诸如 GPU 支持、Query 架构升级、更强的负载均衡调度能力、新的消息队列、Arm版本镜像、可观测性、

大语言模型

ModelScope(一站式开源的模型即服务共享平台)的简介、安装、使用方法之详细攻略

提供什么服务 Ø 开源开发框架：是一套Python的SDK，通过简单地集成方式可以快速的实现模型效果，比如一行代码实现模型推理，几行代码实现模型调优

开源

如何使用 Megatron-LM 训练语言模型

在进入训练细节的讲解之前，让我们首先了解是什么让这个框架比其他框架更高效。

开源模型

<...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