文章列表-AI魔法学院

文章列表

苹果一次性开源了8个大模型！包含模型权重、训练日志和设置，OpenELM全面开源

从数据上看，确实没有什么惊喜的感觉，因为既没有新的数据集发布，在规模上也没有创新，中规中矩！

OpenELM 大模型

Agent：OpenAI的下一步，亚马逊云科技站在第5层

现在，Agent第二轮爆发正在酝酿中，标志就是新一轮应用与场景结合更紧密了。

开源模型

Transformer速查宝典：模型、架构、训练方法的论文都在这里了

一些重要的架构变化包括多查询注意力、稀疏注意力、混合专家等。

Transformer

深度对比丨探索LLM（大模型）部署服务的七大框架差异

最适合更成熟的项目。

大模型

百模大战，谁是大模型的裁判员？

二是以MMLU、AGIEval为代表，通过收集真实世界中的书籍、考试等资料，形成选择题、问答题等任务。

大模型

大模型应用的10种架构模式

通过将大模型与基于规则的逻辑结合，我们能够融合结构化的精确性，旨在创造出既富有创意又遵循规范的解决方案。

大模型架构

Stable Diffusion

硬核解读Stable Diffusion（系列一）

latent diffusion论文中实验了不同参数下的autoencoder模型，如下表所示，可以看到当较小和较大时，重建效果越好（PSNR越大），这也比较符合预期，毕竟此时压缩率小。

StableDiffusion 文生图

检索增强生成 (RAG):What, Why and How?

RAG 与微调微调是在特定任务上训练模型的过程，就像在问题解答数据集上微调 GPT-3.5 以提高其在特定数据集上的问题解答性能一样。

检索增强大模型

LLM微调神器Lamini，疯狂获星1.9k，免费可用！！

并且，在 Lamini 的项目地址中有着 · 1400 个问答数据集（这是关于 Lamini 的内部工程文档，你也可以将其自定义）； · 在此数据集上运行 LLM 微调的代码；

大模型

【进阶】-文生图术语解释

过拟合 (Overfitting)# 创建的模型与训练数据过于匹配，以致于模型无法根据新数据做出正确的预测。

文生图

令人惊艳的开源图标生成AI模型：ChartLlama （南洋理&腾讯）

ChartLlama是一个由南洋理工大学和腾讯联合开发的多模态语言模型，它可以根据你的指令来理解和生成图表。

ChartLlama 开源模型图标

只需四步就能构建自己的Agent！达摩院新开源框架小白也能用

光集成的工具就有这么多，比如NLP、语音、视觉、多模态等多种模型，以及默认集成知识检索、API检索等方案。

大模型

大模型外挂知识库优化-大模型辅助向量召回

o Step4:利用融合向量v从文档库中召回答案。

大模型

姜子牙大模型系列 | 为知识检索而生，Ziya-Reader开源，多个长文本中文任务第一

我们在权威数据集，LongBench多文档问答任务中测试了GPT3.5-turbo-16k和ChatGLM2-6B-32k[2]。

大模型 Ziya

大模型应用实践：用LLaMA 2.0, FAISS and LangChain实现基于自由知识问答

此模块包含处理文档的实用函数以及与其他向量数据库集成的集成。

开源模型

<...21 22 23 242526 27 28 29 30 ...>

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