文章列表-AI魔法学院

文章列表

ChatGPT提示工程 - 总结

ChatGPT提示工程的两个关键原则 - 吴恩达和OpenAI合作编写Prompt的两个关键原则原则一：编写清晰、具体的说明策略1：使用分隔符清晰地标识出输入的各个部分策略2：提示模型以结构化格式输出结果

GPT

【Agent专题】Agent架构设计：智能体架构设计的9大核心技术全景深解析，附架构图

而在这背后，一整套系统化的智能体架构，正悄然决定着这些Agent的效率、扩展性与演化方向。

Agent 智能体架构

《构建个人知识图谱》：让 AIGC 帮你自动构建知识图谱

当然总结摘要介绍这件事儿放在之前还是很繁琐的，需要一个一个的总结还要斟酌用词，现在我们尝试使用 AI 帮助我们进行知识摘要。

提示词文生图 AIGC

构建开源多模态RAG系统

在这个新的冒险中，我们将深入研究使用开源大型语言多模态（LLMM）构建检索增强型生成（RAG）系统的过程。

RAG 大模型

[开源]面向中小团队的轻量化知识管理应用，构建知识库和知识社区

一、开源项目简介 “知了”是自邮之翼团队研发的一款面向中小型团队的轻量化知识管理应用。

大模型

大模型微调方法总结

Adapter 主体架构下图所示。

开源模型

大模型实践总结

image.png 大模型算法模型结构：目前主流的大模型都是Transformer、MOE结构为基础进行构建，如果说Transformer结构使得模型突破到上亿参数量，MoE 稀疏混合专家结构使模型参数量产生进一步突破

大模型训练

总结些SDXL出人像时遇到的困难

这次正好在实践中学习，先不管什么章法，直接看图说话就行了，后面再逐渐总结出规律。

文生图 SDXL

2023年人工智能行业总结（精简版）

此外，还有Meta的Whisper项目，能够转化声音为文本、Roop和FaceFusion的换脸软件、AnimateDiff的动画生成技术等。

人工智能行业总结

大模型与游戏结合的一个思路

关于人工智能与游戏的结合，笔者曾写过一篇文章，《真正的人工智能应用于游戏》。

人工智能游戏

如何构建基于大模型的App

使用LLM进行文本转换，扩展，摘要这是NLP自身的能力，将非结构化文本转换为JSON格式，反之亦然，扩展短文本或者摘要长文本。

构建大模型App

大模型应用的10种架构模式

作为一位老码农，我在这里整理总结了一些针对大模型应用的设计方法和架构模式，试图应对和解决大模型应用实现中的一些挑战，如成本问题、延迟问题以及生成的不准确性等。

大模型架构

模型压缩：量化、剪枝和蒸馏

量化是一种通用的压缩方法，适用于几乎所有的深度模型，学术界已经证实，全连接层是对量化操作十分友好的结构，而BERT 中大部分模块都由全连接层组成，因此BERT 对于量化操作是比较友好的。

BERT 语言模型

Stable Diffusion

Stable Diffusion 加速/优化/升级优化出图速度

秋叶整合版优化 1.

Stable Diffusion 文生图

2023年人工智能行业总结

这种现象让大模型的智能水平得到了质的飞跃，仿佛从猴子进化成了人。

人工智能 AGI 思考总结

<123 4 5 6 7 8 9 10 ...>

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