首页
Ai 资讯
Ai 知识库
创作魔法
绘画魔法
视频魔法
训练魔法
Ai术语
Ai提示词
Ai创意图
Ai工具
Ai视频
VIP专区
VIP专区
登录
AI魔法学院客服
最新
排序
收藏
全部
七天内
一个月内
选择分类
全部
写作魔法
绘画魔法
视频魔法
训练魔法
其他
AI工具
VIP视频
推荐阅读
换一批
· 了解Kimi必看的26个问题 | Kimi系列文(二)
· PPT又又有新突破了!智谱AI代码流造PPT
· 图解大模型训练之:张量模型并行(TP),Megatron-LM
· AI创作 |如何通过GPT进行漫画视频的故事改写
· 【Stable Diffusion】SD迎来动画革命,AnimateDiff快速出图
· 15个中文AI写作提示词帮你覆盖所有主流写作场景!!!
· DeepMusic发布“和弦派”2.0:重塑AI音乐创作范式,赋予创作者全方位掌控
· AIGC工具提示词技巧
· 一键部署本地私人专属知识库,开源免费!可接入GPT-4、Llama 3、Gemma、Kimi等几十种大模型,零代码集成。
· 用AI为古诗词生成插画
热门标签
Stable Diffusion
stable diffusion
Midjourney
midjourney
ComfyUI
comfyui
ChatGPT
chatgpt
大模型
数字人
开源
人工智能
Sora
文心一言
天工
零一万物
知海图
星火
文心一格
混元
通义千问
盘古
言犀
ChatGLM
Github
微软
热门标签
免费
教程
插件
免费
教程
插件
免费
教程
插件
文章列表
OpenAI
whisper-live:OpenAI Whisper模型的近实时实现
这有助于减少发送到耳语模型的数据
量
并提高转录输出的准确性。
OpenAI
Whisper
大模型
AI落地里那些假的机会
从第一性的视角看,创业的定义就是实现一般人想象中的使用价值
向
财务价值的跨越。
大模型
Prompt
Prompt全攻略(三):提升Prompt效果的技巧指南
在这个AI技术日新月异的时代,高效利用ChatGPT等系统的关键在于掌握编写高质
量
Prompt的技巧。
prompt
清华
震撼科技界:清华大学与智谱AI联手,引领中文长文智能写作新纪元!
这一系列控制实验最终指
向
了一个关键的发现:模型的最大输出长度直接受其训练数据集中最长样本长度的限制。
写作
长文本
百度
百度智能云的Prompt模板
Prompt工程的作用,就是通过提供清晰和具体的指令,引导模型输出生成高相关、高准确且高质
量
的文本对答内容,属于自然语言处理领域突破的重要工程。
大模型
prompt
RAG
24年首篇离奇论文:加点噪声,RAG效果翻倍?
本研究通过对各种元素进行评估,如文档的相关性、位置和数
量
等,发现包括不相关文档可以意外地提高准确性超过30%,这与我们的初始假设相反。
RAG
检索增强
深入浅出:大语言模型中必不可少的技术——Embedding简介
embedding
向
量
通常是一个由实数构成的
向
量
,它将输入的数据表示成一个连续的数值空间中的点。
embedding
吴恩达老师建议大家关注 AI 智能体工作流
这好比要求一个人一气呵成地写完一篇文章,不允许回退修改,却期望文章能达到高质
量
。
智能体
大语言模型
RAG
RAG从入门到精通-RAG简介
第一阶段是知识索引,需要事先将文本数据进行处理,通过词嵌入等
向
量
化技术,将文本映射到低维
向
量
空间,并将
向
量
存储到数据库中,构建起可检索的
向
量
索引。
rag
大模型
Stable Diffusion
Stable Diffusion 入门教程开篇
提示词首先被分词并转换为嵌入
向
量
,然后这些
向
量
被输入到噪声预测器中,以指导生成过程,确保生成的图像与提示词相匹配。
Stable
Diffusion
文生图
入门教程
大模型
使用知识图谱提高RAG的能力,减少大模型幻觉
向
量
数据库和知识图谱
向
量
数据库
向
量
数据库是表示实体或概念(如单词、短语或文档)的高维
向
量
的集合。
RAG
大语言模型
大模型
大模型训练为什么用A100不用4090
可是不要忘了,正
向
传播的中间状态数
量
是跟 batch size 成正比的,GPU 内存容
量
又会成为瓶颈。
大模型
写作
AI 爆文写作:如何用GPT写出10万+?这篇五千字长文给你答案
优化的方
向
是什么?
AI写作
GPT
大模型
大模型落地“诸神之战”,场景玩家先杀出重围了
或者批
量
生成家电、家居种草视频,普通导购阿姨就能上手操作的那种。
大模型
文生图
RAG
RAG 修炼手册|一文讲透 RAG 背后的技术
通过 Embedding,每个单词或句子都可以用一个实数
向
量
来表示,这个
向
量
中包含了该单词或句子的语义信息。
RAG
Embedding
<
...
20
21
22
23
24
25
26
27
28
29
...
>
1
2
4
5
6
7
8
9
100