文章列表-AI魔法学院

文章列表

最详细的文本分块(Chunking)方法——可以直接影响基于LLM应用效果

在构建RAG这类基于LLM的应用程序中，分块（chunking）是将大块文本分解成小段的过程。

RAG 大模型

智源：70万预算，从头开发千亿参数大模型，挑战成功！

为了降低训练过程中的运算量，研究团队在FLM中采用了一种“成长策略”。

大模型

如何构建基于大模型的App

基于大模型 API 的简单应用构建所面临的问题构建大模型App 最直接的方式是在LLM API上创建一个简单的应用程序层，可以将LLM与应用程序的用例、数据和用户会话联系起来，可用于维护与用户的先前交互的记忆和状态

构建大模型App

Stable Diffusion

Stable Diffusion 加速/优化/升级优化出图速度

3.切换到最新稳定版整合包会自动升级启动器，但是webui的主程序版本需要手动切换。

Stable Diffusion 文生图

AI Agent / 智能体观察笔记（上）

在AI 领域，智能体是一个计算机程序或系统，能通过感知其所在的环境、做出决策并采取行动以实现一个特定目标或一系列目标。

大模型

推荐智能体：利用大模型进行交互式推荐

检索工具从中获取输入,更新输出,排序工具排序其中候选项。

大语言模型推荐

刚刚，智谱一口气开源6款模型，200 tokens/秒解锁商用速度之最 | 免费

首先是两个9B大小的模型： § GLM-4-9B-0414：主攻对话，序列长度介于32K到128K之间 § GLM-Z1-9B-0414：主攻推理，序列长度介于32K到128K之间还有四个32B

GLM模型智谱

LLM之RAG实战（五）| 高级RAG 01：使用小块检索，小块所属的大块喂给LLM，可以提高RAG性能

在这一系列的博客文章/视频中，我将介绍先进的RAG技术，旨在优化RAG工作流程，并解决原始RAG系统中的挑战。

RAG 检索

Prompt屠龙术-少样本示例

写在前面上期介绍了思维链的技术，本期来讲一讲Prompt编排过程中的另一种极为有效的技术Few-Shot (少样本示例).

Prompt 少样本示例

了解Kimi必看的26个问题 | Kimi系列文（二）

支持3种渠道： 1）网页端，访问：kimi.moonshot.cn2）APP，下载Kimi智能助手3）小程序，微信搜索Kimi智能助手如果你使用同一个账户登陆，网页、APP和小程序三端的数据是同步的

Kimi 大语言模型

RAG 2.0，终于把RAG做对了！

那么，这种检索过程是如何运作的呢？

RAG 大语言模型

图解 transformer——逐层介绍

注意，在推理过程中，我们没有目标序列，而是循环地将输出序列送入解码器的嵌入层，正如第一篇文章所言。

Transformer 大模型图解

如何从零开始，打造一家AI驱动的公司？

今天，我们分别从设计、建立网站、开发应用程序、内容生成、销售、客户关系管理、数据分析和公司运营分别展开，试图给出初步的答案，也欢迎在读的您一起探讨。

大模型打造公司

GitHub上的RPA小工具，可以将重复、繁琐的任务自动化

RPA工具还可以与其他系统和应用程序集成，从而实现更复杂的自动化流程。

RPA 自动化

XX来信：智能体设计模式2：Reflection

重复批评/重写过程可能会产生进一步的改进。

Reflection 智能体

<...20 21 22 232425 26 27 28 29 ...>

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