文章列表-AI魔法学院

文章列表

人手一个编程助手！北大最强代码大模型CodeShell-7B开源，性能霸榜，IDE插件全开源

CodeShell的原始训练数据基于自己爬取的Github数据、Stack和StarCoder数据集，以及少量高质量的中英文数据。

开源模型 AI编程

BGE M3-Embedding：智源最新发布的text embedding模型，多语言检索效果超过微软跟openai

2 BGE M3-Embedding 2.1 训练数据构建 M3-Embedding的训练用了非常庞大且多样化的多语言数据集，

BGE M3-Embedding 多语音检索

Falcon 180B 开源影响了谁？

据官方消息，Falcon 180B是使用 Amazon SageMaker 在多达 4096 个 GPU 上同时对 3.5 万亿个 token 进行训练，比Llama 2多了近一倍的数据集，是最多token

大模型

Stable Diffusion

Meta发布业界最强文生图模型CM3Leon，实力碾压Stable Diffusion、Midjourney

CM3leon是第一个使用从纯文本语言模型改编的方法进行训练的多模态模型，包括大规模检索增强预训练阶段和第二个多任务监督微调(SFT)阶段。

文生图

中文通用大模型最全汇总

，100G预训练数据，涵盖金融、法律、百科的领域数据以及API等。

大模型开源模型

AI大模型LLM可以帮助企业做什么？

这些模型采用了自监督学习方法，通过大量无标注文本进行训练。

大模型

ViTPose+：迈向通用身体姿态估计的视觉Transformer基础模型

2.3 ViTPose的数据灵活性同预训练数据的ViTPose在MS COCO的性能对比在过往的实验中，使用ImageNet对编码器进行预训练已经成为了一种默认设置

ViTPose+Transformer 身体姿态

RAG从入门到精通-RAG简介

LLM的知识更新难题在进入RAG的介绍之前，需要读者首先理解一个概念，LLM的知识更新是很困难的，主要原因在于： 1.LLM的训练数据集是固定的,一旦训练完成就很难再通过继续训练来更新其知识。

rag 大模型

大模型微调方法总结

假设模型在任务适配过程中权重的改变量是低秩（low rank）的，由此提出低秩自适应（LoRA）方法，LoRA 允许我们通过优化适应过程中密集层变化的秩分解矩阵来间接训练神经网络中的一些密集层，同时保持预先训练的权重不变

开源模型

北大开源最强aiXcoder-7B代码大模型！聚焦真实开发场景，专为企业私有部署设计

还不过瘾，aiXcoder团队还提出了一个更大的测评代码生成补全数据集（16000多条来自真实开发场景的数据），做了进一步测评，效果更明显。

aiXcoder-7B 大模型

AI 绘画新时代：ChatGPT + DALL-E 3

算法效率：尽管 MidJourney 拥有更多可能的数据集，但其质量相较于 OpenAI 仍显不足。

文生图图生图 chatGPT DALL-E

基于Ollama本地部署谷歌开源Gemma大模型！

这次发布的Gemma不仅仅只有2B 和 7B这两种规模，实际上是发布了Gemma系列（经过预训练的变体和指令优化的变体，大大小小50多种），Gemma 模型非常适合各种文本生成任务，包括问答、总结和推理

ollama gemma qwen

AI颠覆的第一个体育赛道，来了

在训练和比赛分析方面，AI技术也在发挥着重要作用。

体育 AI

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

介绍 LLaMA 2模型是使用2万亿个tokens和70亿到700亿参数预训练和微调的，使其成为功能强大的开源模型之一。

开源模型

百川智能RAG方案总结：搜索出生的百川智能大模型RAG爬坑之路

方法进行解读，百川智能具有深厚的搜索背景，来看看他们是怎么爬RAG的坑的吧～总的来说，百川通过长上下文模型(192k)+搜索增强结合的方法来解决知识更新，降低模型幻觉的问题，使得其在5000万tokens的数据集中取得

RAG 大模型

<...25 26 27 282930 31 32 33 34 ...>

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