文章列表-AI魔法学院

文章列表

检索增强生成(RAG)：LLM企业级应用落地的挑战与思考

应充分利用两种检索的优势，同时适当权衡精度和延迟等指标，为RAG系统选择最佳的检索方案： (1)可以先用更快的关键词检索获取召回候选集，再用语义检索模型重新对候选集打分排序。

大语言模型 RAG检索增强

斯坦福宣布前端开发要失业了？！一张截图生成代码，64%优于原网页！

此外，对领域专业知识的需求使整个网页生产流程复杂化，需要不同技能集的人员合作，可能导致预期设计与实际实现之间的差异。

设计转代码大模型

CMU华人打破大模型黑盒，Llama 2撒谎被一眼看穿！脑电波惨遭曝光，LLM矩阵全破解

会撒谎，会胡说八道，会随大流迎合大众的误解，这些都是人类最擅长的事。

大模型

截至2023年5月份业界支持中文大语言模型开源总结及商用协议分析

OPT模型本身并没有特意针对多语言进行训练，不过他们的数据集很大，因此也能在简单的中英文翻译中获得不错的结果。

大模型

大规模训练系列之技术挑战

可以发现，单独使用大数据集或者是大模型，均能带来一定的精度提升。

开源模型

大模型套壳祛魅：质疑套壳，理解套壳

为了厘清大模型套壳的逻辑，「甲子光年」访谈了一些AI从业者、投资人，结合 OpenAI、Meta 以及国内大模型相关技术论文，从一个大模型的「炼丹」过程入手，看看在哪些步骤、哪些环节，存在套壳的空间。

大模型套壳

一个产品经理的大模型观察、反思与预测

Reinforcement Learning 强化学习（RL） · 每个阶段：数据集、

工作

重磅来袭！Llama中文社区开源预训练中文版Atom-7B大模型

Llama中文社区联合AtomEcho（原子回声）重磅发布基于Llama2的中文预训练大模型：原子大模型 Atom-7B | Atom-7B 介绍目标泛智能体大模型不同原子有不同的特性

大模型

一文读懂AIGC产业链：AIGC的前世今生和未来展望

的头部上市公司主要有百度(BIDU.O)、科大讯飞(002230.SZ)、腾讯(00700.HK)、拓尔思(300229.SZ)、创新奇智(2121.HK)等;未上市的AIGC产业领先公司有阿里巴巴、抖音集团

生成式AI

从⼤模型到 AI 应⽤落地，工程实现有多复杂?

LLM应用工程的演进路线但是这种⽅式存在以下两个核⼼问题: 1、Prompt 与代码⾼度耦合。

大模型

万字长文-大语言模型指令调优综述

作者首先使用 52K(指令、响应)对作为初始集合。

大语言模型

百万token上下文窗口也杀不死向量数据库？CPU笑了

另一方面，RAG则是一种外挂知识库，无缝集成外部资源，为大语言模型提供了准确和最新的知识，以此来提高生成内容的质量。

向量数据库大模型 cpu

基于Ollama本地部署Llama3指南！

调整后的版本使用监督微调（SFT）和带有人类反馈的强化学习（RLHF），以符合人类对有用性和安全性的偏好。

LLama3 ollama

【全文翻译】微软166页论文解读 GPT-4V：多模态大模型的黎明

评估系统的标准方法是将其与一系列精心设计的数据集进行基准测试，每个数据集代表一个特定的领域和任务。

多模态大模型 GPT-4V 文生图

RAG 领域的新宠：为什么 AI 圈都在谈论 Jina ColBERT？

与 ColBERTv2 相比，Jina-ColBERT 在各项测试中都展现了顶尖的性能，特别在处理长文档数据集时，其表现更是显著优于 ColBERTv2。

rag 大模型

<...23 24 25 262728 29 30 31 32 ...>

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