文章列表-AI魔法学院

文章列表

2023年人工智能行业总结

九月GPT4V发布，让GPT有了眼睛,可以看图了。

人工智能 AGI 思考总结

全球最大开源prompt社区即将开放中文版

我们也了解到FlowGPT即将推出一些平台更新，包括：一键将提示应用到聊天页面的能力与GPT-4和Claude LLM的集成更新的提示详情

开源模型

2023年LLM如何入门？请看这篇综述！

PLM的出现极大地促进了NLP的发展，如BERT、GPT等模型就是PLM的代表。

大模型

使用这个工具后，我将 RAG 的准确性和召回率都提高了两倍！

instructor.patch() query = openai.ChatCompletion.create( model="gpt

RAG 大语言模型

爆火的“哄哄模拟器”，它是如何炼成的？Prompt泄漏了

next=%2Fg%2Fg-jPwNeWSSZ-hong-hong-mo-ni-qi-gpt hong-hong-mo-ni-qi-gpt 可以看出

提示词 prompt

人工智能的应用范式呼之欲出

目前已经看到的行业实践包括：通过在Alpaca-LoRA中加入中文语料的训练获得中文能力、通过ChatGLM和中美金融数据LoRA构建的FinGPT、基于中文医疗数据LoRA和Ziya-LLaMa-13B的Medical-GPT

大模型

掌握Prompt的6心法

以下是一个常见的结构化Prompt模板示例: · # Role 指定角色 ## Goals 描述Prompt目标，让GPT 聚焦起来 ## Background: 你希望

prompt 写作

4种通过LLM进行文本知识图谱的构建方法对比介绍

对于gpt-3.5-turbo在创建新属性时没有问题。

知识图谱大模型

构建开源多模态RAG系统

大型语言模型，如GPT-3，擅长生成类似人类的语言，但在提供最新或特定领域的信息方面存在限制。

RAG 大模型

超越巨头：Zephyr-7B领跑7B级大模型竞赛，开源且笔记本可运行

而在AlpacaEval测试中，Zephyr的胜率高达90.6%，其在高级RAG任务上的表现与GPT-3.5和Claude 2相当。

大语言模型开源模型

微软、OpenAI大佬暗示LLM应用开发范式迁移：从Prompt Engineering到Flow Engineering

它的核心思路是，利用多次生成测试反馈迭代的方式替代原有精心构造Prompt一次性生成的方式，最终在验证集上，GPT-4的准确率（pass@5）从使用单个精心设计的Prompt的19%提高到使用

LLM 范式迁移

RAG应用中数据处理过程需要注意的事项

将这些不同的数据转换为上下文相关的块，以使GPT的上下文窗口层更加复杂。

RAG 大模型

一文讲明白什么是预训练、微调和上下文学习

比如说在包含数百万本书、文章和网站的数据集上预训练像 GPT-3 这样的语言模型。

大模型训练

Openai 异步客户端接入国产大模型 Kimi

这意味着海量基于 GPT 的开源项目和商业项目都有极大可能在 Moonshot 上跑起来。

Kimi Chat 大模型

小学生都能看懂的 Prompt 高级技巧： Few-Shots 、 COT 、 SC、 TOT 、 Step-Back

他号称在多项任务上超过了 GPT-4。

Prompt 大模型

<...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