文章列表-AI魔法学院

文章列表

RAG 领域的新宠：为什么 AI 圈都在谈论 Jina ColBERT？

我们还特别在专为长文本设计的新 LoCo Benchmark 上进行了测评，可以看到 Jina-ColBERT 在处理那些超出 ColBERTv2 常规上下文长度的场景时，表现更是出色。

rag 大模型

大语言模型应用中的文本分块策略

评估每个区块大小的性能 - 为了测试各种区块大小，您可以使用多个索引或具有多个命名空间的单个索引。

开源模型

ChatGPT羊驼家族全沦陷！CMU博士击破LLM护栏，人类毁灭计划脱口而出

威斯康星大学麦迪逊分校教授、Google研究人员Somesh Jha评论道：这篇新论文可以被视为「改变了游戏规则」，它可能会迫使整个行业重新思考，该如何为AI系统构建护栏。

开源模型

ChatGPT实用指南|ChatGPT十步搞定论文【全流程+提示词】

这不仅涉及语法的校正，还包括评估内容的实际可读性。

ChatGPT 写作提示词

8个常用中文OCR数据集，附下载链接

500 Database) 下载链接：https://opendatalab.com/MSRA-TD500 MSRA-TD500由华中科技大学于 2012 年在 CVPR 发布，是一个用于测试和评估多方向

OCR

Prompt、RAG、微调还是重新训练？如何选择正确的生成式AI的使用方法

· 我们将对这些度量标准上的每个解决方案方法进行评级，进行一个简单的对比。

生成式AI

Prompt屠龙术-少样本示例

; • 修订现有示例: 对示例进行微调以改善效果 o • 获取LLM的帮助: 让LLM (比如gpt-4或者claude3)评估示例的多样性或相关性

Prompt 少样本示例

大模型应用实践：用LLaMA 2.0, FAISS and LangChain实现基于自由知识问答

它还包含评估和支持代码参数调整。

开源模型

宁德核电推出全球参数量最大的核工业大模型｜InfoQ 独家

利用从用户那里收集的反馈信息，不断地评估和优化 AI 的对话能力。

宁德核电大模型

大模型应用发展的方向｜代理 Agent 的兴起及其未来（下）

在这种系统中，个体代理评估其他代理的需求和能力，并积极寻求与它们的协作行动和信息共享。

大模型

揭秘DeepSeek:一个更极致的中国技术理想主义故事

另外，Llama的结构，在训练效率和推理成本上，和国外先进水平估计也已有两代差距。

DeepSeek 大模型

一文彻底搞懂多模态 - 多模态推理

二、基于路径排序：利用图谱中实体间的路径特征进行排序学习，通过评估路径的可信度来推断实体间的关系。

多模态推理大模型

大语言模型定制化应用的三种方式：Prompt engineering、Fine tuning、Pre-trainning的区别

此外，需要对特定任务数据集的预处理和评估有一定的专业知识。

大模型

简单提升RAG的10种方法

在这篇文章中，没有深入探讨如何评估系统的性能。

RAG 大模型

深入浅出：大语言模型中必不可少的技术——Embedding简介

这些方法都有各自的优点和适用场景，选择最适合特定应用程序的嵌入生成方法需要根据具体情况进行评估和测试。

embedding

<...16 17 18 192021 22 23 24 25 ...>

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