文章列表-AI魔法学院

文章列表

打磨 8 个月、功能全面升级，Milvus 2.3.0 文字发布会现在开始！

§ Count 接口 § 为了计算 collection 中的数据行数，很多用户会使用 num_entities 接口，但是此接口需要手动调用

大语言模型

RAG应用中数据处理过程需要注意的事项

重复向量的问题：当数据块在chunks中频繁重复时，数据质量可能会下降。

RAG 大模型

RAG与Long-Context之争—没必要争

这也是大家的所“争”之处，因为大模型可以接受的长度越长，那么检索的重要性就会降低，对检索效果的依赖就会降低，也就是为什么有人持观点，未来没有RAG，只有Long-Context。

RAG Long-Context 大模型

比GPT-4快18倍，世界最快大模型Groq登场！每秒500 token破纪录，自研LPU是英伟达GPU 10倍

对于未来AI应用的服务而言，LPU可能会带来与GPU相比巨大的性能提升！

Groq 大模型

学会这招，一个头像变100种风格！

有两个地方：当我们生成了一组图片之后，最下面会有一排 V，点击之后可以弹出一个小窗继续修改提示词。

Remix 文生图

Stable Diffusion

AnimateDiff：一篇文章教你学会用Stable Diffusion制作GIF动图

安装 AnimateDiff 扩展要开始使用，不需要从 GitHub 页面下载任何东西。

AnimateDiff 视频训练

震惊！OpenAI发布Meta-Prompt，未来不再需要提示词。

2 请明确描述所需生成图像的主题、风格、颜色、细节以及其他关键要素。

Meta-Prompt 提示词

震撼科技界：清华大学与智谱AI联手，引领中文长文智能写作新纪元！

这份计划详细列出了每个段落的主要内容和预期字数。

写作长文本

Prompt工程如此强大，我们还需要模型训练吗？

Few-shot的使用方法较为简单，但实际上Few-shot有非常多的变种方法，其中一类非常重要的变种方法就是围绕提示的示例进行修改，即在示例中不仅提供问题+答案，同时还会增加一些辅助思考和判断的“提示

大模型

会“追问”的Agent，大模型知识库另类实践

即使切片内容准确，不同问题对切片数量的要求也不同。

大模型

大模型应用中大部分人真正需要去关心的核心——Embedding

模型会直接影响检索和生成的效率，虽然它不是唯一的影响因素。

大模型

OpenAI 上线新功能力捧 RAG，开发者真的不需要向量数据库了？

近期， OpenAI 的开发者大会迅速成为各大媒体及开发者的热议焦点，有人甚至发出疑问“向量数据库是不是失宠了？”

RAG 检索向量库

实测：本地跑llama3:70B需要什么配置

展示一波LLM排名这么帅还不要钱，就问你想不想要也许从此强大的模型不再只是厂商云端的特权，现在每个人都可以在本地部署Llama 3。

llama GPU内存

自己电脑上跑大语言模型（LLM）要多少内存？

以我用ollama + Lllama 7B 4bit 做推断（Inference，问大模型问题）为例，模型文件大小是3.8G，实际运行的时候电脑内存会多占用大概4.8G左右。

大语言模型运行

研究人员开源中文文本嵌入模型，填补中文向量文本检索领域的空白

一直以来，基于向量的文本检索是重要的研究议题之一。

GPT

<1 234 5 6 7 8 9 10 ...>

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