文章列表-AI魔法学院

文章列表

PDFTriage:面向长篇结构化文档的问答

还有许多工作专注于工具增强型LLM的基准测试(Li et al., 2023; Zhuang et al., 2023)。

大语言模型 PDF 文档

大语言模型应用中的文本分块策略

嵌入短内容和长内容当我们嵌入内容时，我们可以根据内容是短（如句子）还是长（如段落或整个文档）来预测不同的行为。

开源模型

金融领域Prompt工程方法浅析

2.高风险性：金融领域的决策往往涉及大量的资金和资源，金融领域文本往往会涉及对未来市场走势、金融产品价格等方面的预测，同时对潜在风险进行提示和建议。

prompt 大模型

大模型的最大bug，回答正确率几乎为零，GPT到Llama无一幸免

等 1000 个这类问题，在 GPT-4 上进行测试。

大模型

语义检索系统[全]：基于Milvus+ERNIE+SimCSE+In-batch Negatives样本策略的学术文献语义检索

0.3.2评估搜索意图你还是可以围绕某个主题来发布内容，即使这个主题是不符合搜索意图的。

开源模型

完整ChatGLM3部署教程，支持手机和车载平台部署

在语义、数学、推理、代码、知识等不同角度的数据集上测评显示，ChatGLM3-6B-Base 具有在 10B 以下的基础模型中最强的性能。

ChatGLM3 大模型

RAG 修炼手册｜一文讲透 RAG 背后的技术

MLM 阶段让 BERT 预测被遮挡词汇，以帮助它理解整个序列的上下文；NSP 阶段让 BERT 判断两个句子是否是连续的，以帮助它理解句子之间的关系。

RAG Embedding

百川智能RAG方案总结：搜索出生的百川智能大模型RAG爬坑之路

并且其自研的Baichuan-Text-Embedding向量模型也登顶了C-MTEB语义向量评测标准。

RAG 大模型

10个大模型私有化需要关注的问题

1.基础设施满足要求，奠定基础评估当前设施是否满足需求或者确定支持LLM必须的基础设施要求。

开源模型

人工智能大语言模型微调技术：SFT 、LoRA 、Freeze 监督微调方法

在微调过程中，通过反向传播算法对模型进行优化，使得模型在目标任务上表现更好；评估：使用目标任务的测试集对微调后的模型进行评估，得到模型在目标任务上的性能指标。

大模型微调

检索增强生成(RAG)：LLM企业级应用落地的挑战与思考

只有在生产环境中全面验证测试之后，才能确保RAG系统足以承载真实业务流量，为用户提供稳定、快速、可靠的服务。

大语言模型 RAG检索增强

最详细的文本分块(Chunking)方法——可以直接影响基于LLM应用效果

· 评估每个块大小的性能：很傻，但是很稳重的一种方式。

RAG 大模型

最全攻略！OpenAI 发布 GPT-4 使用指南，所有干货全在这

越少让 ChatGPT 去猜测和推断我们的意图，输出结果满足我们要求的可能性越大。

提示词 prompt

垂直领域大模型的思考

减缓幻觉这里我们将探讨如何让大模型的生成结果减缓幻觉，同时如何检测幻觉，并在后处理阶段进行消除。

垂直领域大模型

Claude 官方提示词，中文版（含API Prompt）

这份备忘录的目标是确保我的团队了解金融机构的运营状况,并定性预测和确定在即将到来的季度是否存在任何运营和收入风险。

prompt 写作

<...18 19 20 212223 24 25 26 27 ...>

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