文章列表-AI魔法学院

文章列表

谈谈RAG存在的一些问题和避免方式

1.分块（Chunking）策略和Top-k算法一个成熟的RAG应该支持灵活的分块，并且可以添加一点重叠以防止信息丢失。

RAG 大模型

Stable Diffusion

全网最全AI绘画Stable Diffusion关键技术解析

算法1：分类器引导的扩散采样这个算法描述了如何使用分类器来引导扩散模型的采样过程。

Stable Diffusion 文生图

医疗+人工智能的创新应用

一些具体的人工智能在医疗领域的应用场景 1、智能诊疗智能诊疗就是将人工智能技术应用于疾病诊疗中，计算机可以帮助医生进行病理，体检报告等的统计，通过大数据和深度挖掘等技术，对病人的医疗数据进行分析和挖掘

大模型

总结些SDXL出人像时遇到的困难

我其实之前出图不多，出的话大多是尝试网上的提示词，所以提示词能力没得到锻炼，写得也没什么章法可循。

文生图 SDXL

万字长文震撼来袭！揭秘Transformer——吐血解读自注意力机制的革命性突破

尽管最近的研究通过因式分解和条件计算等方法提高了效率，但这一基本约束仍然是一个待解决的问题。

Transformer 大模型

OpenAI 无需向量化的 RAG 新架构设计范式剖析

传统的 RAG 技术大多依赖向量化，即把文本转换成数字向量，通过计算向量之间的相似度来找到相关内容。

OpenAI RAG 架构

和大模型相关的一些术语（持续更新中）

AI是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

大模型人工智能

智能知识图谱SmartKG和pySmartKG简介

smartkg pySmartKG地址：https://github.com/microsoft/SmartKG/tree/master/PySmartKG 更加详细的安装、编译和使用方法请见

知识图谱

炸裂！百川开源第1个7B多模态大模型 Baichuan-Omni | 能够同时分析图像/视频/音频/文本

这些缺陷极大地阻碍了这些模型在各种应用中的更广泛采用和有效性，从自然语言处理到计算机视觉以及更多领域。

Baichuan-Omni 多模态大模型

图解 transformer——逐层介绍

换句话说，位置编码交织了一系列正弦曲线和一系列余弦曲线，对于每个位置 pos，当 i 为偶数时，使用正弦函数计算；当 i 为奇数时，使用余弦函数计算。

Transformer 大模型图解

AI大模型LLM可以帮助企业做什么？

在许多任务上，ChatGPT 的性能甚至超过了针对单一任务进行训练的有监督算法。

大模型

基于LLM+向量库的文档对话痛点及解决方案

检索部分只对关键信息做embedding，参与相似度计算，把召回结果映射的原始文本交给LLM。

开源模型

万字长文-大语言模型指令调优综述

利用奖励模型计算策略梯度对第 1步调整后的模型进行优化。

大语言模型

如何最简单、通俗地理解Transformer？

而自注意力机制的另一个特点时允许模型并行计算，无需RNN一样t步骤的计算必须依赖t-1步骤的结果，因此Transformer结构让模型的计算效率更高，加速训练和推理速度。

Transformer 大模型

AI人工智能大模型通用办公提示词-献给像我一样的社畜们

我的第一句话是“为了让计算机像人类一样行动，语音识别系统必须能够处理非语言信息，例如说话者的情绪状态。”

<...22 23 24 252627 28 29 30 31 ...>

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