文章列表-AI魔法学院

文章列表

大语言模型的拐杖——RLHF基于人类反馈的强化学习

01 技术原理论文中描述了早期研究的大致过程：使用了两种方式和多个数据集：API提示生成和公共NLP数据集上的问答；多个数据集，包括WebText、SQuAD、TriviaQA

大模型训练

一文讲明白什么是预训练、微调和上下文学习

在大量未标记文本数据上训练语言模型。

大模型训练

大语言模型定制化应用的三种方式：Prompt engineering、Fine tuning、Pre-trainning的区别

通过在任务特定数据集上微调模型参数，使模型适应特定任务的要求。

大模型

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

数据有三个不同来源。

BGE M3-Embedding 多语音检索

OpenAI视频模型Sora的推理生成成本多高？

GPT-4 的训练数据约为 13T - 20T 之间，我们假设为 20T 数据则 GPT-4 训练所需的 FLOPs = 6 * 400B * 20T = 4.8 * 10^25 目前最大的模型训练计算量预估在

Sora 推理算力

检索增强生成(RAG)：LLM企业级应用落地的挑战与思考

同时不能存储或泄露用户隐私数据。

大语言模型 RAG检索增强

国内AI大模型已近80个，哪个最有前途？

字节有最多的多模态中文私有数据。

大模型

图解检索增强式生成（RAG）技术 | 万字长文

许多产品基本上都是基于 RAG 构建的，范围从结合网络搜索引擎和 LLM 的问答服务，到数百款与数据互动的应用程序。

检索增强式生成 RAG

【进阶】-文生图术语解释

关于损失函数 (Archive) 潜在空间# 压缩数据的表示，其中相似的数据点在空间上更靠近在一起。

文生图

baichuan2 有什么好的深挖论文中涉及的知识点

然后，我们描述了预训练数据和数据处理方法。

大模型

一文看懂RAG：大语言模型落地应用的未来

处理大量和多样化的数据：RAG可以处理和理解庞大的数据集，如维基百科或其他专业数据库。

rag 检索增强

Stable Diffusion

Stable Diffusion LightFlow 作弊插件！一键复用工作流

支持一键保存所有生成数据，让工作流被完整复现并进行分享。

流程 SD

大模型的最大bug，回答正确率几乎为零，GPT到Llama无一幸免

逆转诅咒显示出基本无法泛化到训练数据之外。

大模型

独家：4259款AI产品关键指标排名与分析

正因如此，我精心筛选分析了4259个AI产品(web)，覆盖了从访问量、增长速度到营收等关键数据。

生成式AI

Agent : 一文读懂LLM Agent架构，详解Profile，Memory，Planning，Action模块作用

数据集对齐方法：是从真实世界的人口数据集中获取代理的配置文件信息，比如通过抽取人口调查数据组织成自然语言描述。

大模型 LLM Agent

<...26 27 28 293031 32 33 34 35 ...>

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