文章列表-AI魔法学院

文章列表

必读！RAG好用的3种Router

如何训练好一个PolyRouter 第一阶段：准备router数据 1.

RAG Router

10个大模型私有化需要关注的问题

私有化部署大语言模型能够提高企业的对模型的控制力，定制化以及数据隐私和安全。

开源模型

Stable Diffusion

Stable Diffusion基础：ControlNet之身份标识

实测效果完全可以代替Lora模型，也就是我们不用再费劲吧啦的训练人物形象Lora了，只需要人物的一张正面照片，就可以直接出图了。

ControlNet 文生图

whisper-live：OpenAI Whisper模型的近实时实现

与依赖连续音频流的传统语音识别系统不同，我们使用语音活动检测（VAD）来检测语音的存在，并且仅在检测到语音时才发送音频数据以耳语。

OpenAI Whisper 大模型

StableDiffusion使用Roop插件一键换脸教程

训练模型也可以实现上面的需求，但是需要的图比较多，很麻烦。

AI换脸

金融行业的开源AI大模型

BloombergGPT等金融机构发布的大模型，利用其对专业数据的独家访问来训练特定于金融的语言模型。

开源大模型

如何构建基于大模型的App

1.1 LLM 的基本能力到目前为止，大模型的主要能力如下：使用LLM进行语言理解和处理，而不是作为知识源 LLM是在互联网上的大量文本数据上进行预训练的，这些训练数据为大模型提供了知识。

构建大模型App

baichuan2 有什么好的深挖论文中涉及的知识点

这两个模型都在 2.6 万亿个令牌上进行了训练，据我们所知，这是迄今为止最大的训练数据集，超过 Baichuan 1（Baichuan，2023b，a）的两倍。

大模型

2024！深入了解大语言模型（LLM）微调方法（总结）

LLM微调 LLM微调是一个将预训练模型在较小、特定数据集上进一步训练的过程，目的是精炼模型的能力，提高其在特定任务或领域上的性能。

大模型微调

高级 RAG 技术——图解概览

我们不涉及此前搜集文本资料的步骤，把它们交给那些强大的开源数据加载器，它们能连接到各种来源，从 Youtube 到 Notion 都不在话下。

RAG 检索图解

开源语音大语言模型来了！阿里基于Qwen-Chat提出Qwen-Audio!

多任务和多数据集共同训练面临的一个重要挑战是不同数据集关联的文本标签的相当大的变化。

大模型语音

职场及工作中常用的方法论总结

交付方式　　MVP 　　MVP（Minimum Viable Product）即最简化可实行产品，其核心思想是每次交付给用户的是一个最小可用的功能集合，根据交付后的用户反馈不断迭代，并最终转化成一个完整的产品

工作

AI声音克隆 | 最全最简教程（权威版）

GPT-SoVITS在训练时间上具有明显的优势，因为它支持Few-shot学习，能够在短时间内（如一分钟的语音数据）训练出具有相似音色的模型。

声音克隆教程

一个充满多智能体的数字社会正在浮现，商业的底层逻辑已进入重构倒计时

未来已来，一个遍布智能体的数字社会正在浮现。

大模型

什么情况用Bert模型，什么情况用LLaMA、ChatGLM类大模型，咋选？

提炼下方法，一般分为两个阶段训练：第一阶段：扩充领域词表，比如金融领域词表，在海量领域文档数据上二次预训练LLaMA模型；第二阶段：构造指令微调数据集，在第一阶段的预训练模型基础上做指令精调。

大模型

<...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