文章列表-AI魔法学院

文章列表

2023年人工智能行业总结

仅仅两个月后，用户数量便突破了一个亿，创下了史上最快增长纪录。

人工智能 AGI 思考总结

大模型：泛化即智能，压缩即一切

定义1: 模型的泛化程度与你将不同数据推入足够高容量模型的速度成正比。

大模型泛化

AI Agent / 智能体观察笔记（下）

，RPA（流程自动化操作），和ISSUT（只能屏幕语义理解）。

大模型

从零开始了解AI大模型 - 技术篇：万字深度好文人话说大模型技术

举例来说，Q向量可以看作是某个人的关注点，V向量可以看作是具体的事物，而K向量可以看作是人对不同事物的关注程度。

大模型

模拟ChatGPT流式数据——SSE最佳实践（附可运行案例）

为什么要这样传输，从使用场景上来说，ChatGPT 是一个基于深度学习的大型语言模型，处理自然语言需要大量的计算资源和时间，响应速度肯定比普通的读数据库要慢接口等待时间过长，显然不合适。

GPT

分析过688篇大模型论文，这篇论文综述了LLM的当前挑战和应用

依赖 token 化器 token 化器带来了一些挑战，比如计算开销、语言依赖性、对新词的处理、固定词汇量、信息丢失和人类可解释性低。

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

并且其自研的Baichuan-Text-Embedding向量模型也登顶了C-MTEB语义向量评测标准。

RAG 大模型

大模型RAG检索增强问答如何评估：噪声、拒答、反事实、信息整合四大能力评测任务探索

检索增强生成（RAG）是减轻大型语言模型（LLM）幻觉的一种有前途的方法。

大模型 RAG检索增强

AI提示设计技巧剖析 - 29个动词助你获取更好文本生成

17.中立化(Neutralize) 场景：这是一篇带有明显倾向性的评论文章。

提示词文本

【全文翻译】微软166页论文解读 GPT-4V：多模态大模型的黎明

我们观察到，在提示中包括示例固定的指令有助于 GPT-4V 理解坐标的定义，并随后生成更好的指向输出。

多模态大模型 GPT-4V 文生图

WebUI使用用InstantID，AI换脸完美版

Zero-shot Identity-Preserving Generation in Seconds 》和推理代码，他们表示： InstantID 巧妙地避免了对文生图模型 UNet 部分的训练，仅通过训练一个轻量级的可插拔模块

换脸小红书

开源大模型王座易主！谷歌Gemma杀入场，笔记本可跑，可商用

在各家大厂和人工智能研究机构探索千亿级多模态大模型的同时，很多创业公司也正在致力于构建体量在数十亿级别的语言模型。

开源模型 Gemma

会“追问”的Agent，大模型知识库另类实践

对于“Factual Recall”类型任务，OpenAI更倾向于Emedding Search。

大模型

一文彻底搞懂多模态 - 多模态推理

三、基于表示学习：将实体和关系嵌入到低维向量空间，通过向量运算和相似性度量进行推理。

多模态推理大模型

我如何夺冠新加坡首届 GPT-4 提示工程大赛 [译]

分隔符是特殊的符号，它们帮助大语言模型 (LLM) 辨识提示中哪些部分应当被视为一个完整的意义单元。

GPT-4 提示词

<...27 28 29 303132 33 34 35 36 ...>

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