文章列表-AI魔法学院

文章列表

一位芯片投资人的十年复盘：谁是中国的英伟达｜AI光年

，不像消费电子，是一个很市场化的竞争环境，数据中心与云计算这个赛道确实还需要一定的政策扶持。

AI光年芯片投资

RAG模型的主要痛点和解决方案

不幸的是，现成的稀疏向量检索器经常在语义匹配和检索质量文档方面遇到困难。

rag 大模型

大模型套壳祛魅：质疑套壳，理解套壳

比如，Llama 2 的研究人员在做微调时发现大部分第三方的 SFT 数据集多样性与质量都不足，因此他们自己构建了 27540 个高质量标注数据集，可以显著提高 SFT 的效果。

大模型套壳

腾讯的 PhotoMaker - 更快更像更可控的 AI Avatar

它主要通过堆叠ID嵌入方式编码任意数量的输入ID图像，以保留ID信息。

PhotoMaker 文生图

大模型时代-行业落地的再思考

，或者利用外挂数据库的方式。

大模型

如何估计大模型所需要的显存大小？HuggingFace发布Model Memory Calculator，一键计算大模型显存需求

最大的一层可能需要最大的vRAM空间来存储这些中间结果，以进行前向和反向传播。

大模型

超越RAG：揭秘IAG框架如何引领推理问答系统的创新之路

作者提出了两个版本的IAG：IAG-GPT直接使用GPT-3生成的知识进行答案预测，而IAG-Student则通过知识蒸馏训练一个学生归纳器模型，并通过可微分束分数反向传播生成器反馈进一步优化。

IAG框架大语言模型

OpenAI的官方Prompt工程指南详解 - 看这一篇真的就够了！

目标输出长度可以根据单词、句子、段落、要点等的计数来指定。

OpenAI Prompt 提示词

使用大模型自动回复小红书/抖音/快手评论：通过RAG 优化LLMs实现

LLM 的基本用法包括输入Promt并获得回复/Response RAG 通过向这个基本过程添加一步来实现即，执行检索步骤，根据用户的提示，从外部知识库中提取相关信息，并将其注入到提示中

RAG 大模型自动回复

46.6k星星！最强开源AI集合系统，一键部署全网AI工具都能直接用，UI简直是视觉盛宴！

九、数据库 LobeChat支持使用服务器端和本地数据库。

AI开源集合

对于大模型RAG技术的一些思考

最近在公司完成了一个内部知识问答应用，实现流程很简单，实际上就是Langchain那一套： · 对文档进行切片 · 将切片后的文本块转变为向量形式存储至向量库中 ·

RAG 大模型

【本地部署】智谱chatglm3-6B第三代！性能如何？支持调用tools+Agent+代码执行！小白教程！附网盘下载！

更强大的性能：评测显示，与 ChatGLM 二代模型相比，在44个中英文公开数据集测试中，ChatGLM3在国内同尺寸模型中排名首位。

chatglm 智普大模型

Playground v2：超越SDXL的模型来了，优于SDXL 2.5倍！

Playground团队刚刚发布了新的文生图模型Playground v2，它是基于SDXL的架构从零训练的模型，但是根据用户评价，它在生成效果上比SDXL强2.5倍。

文生图 Playground

解读 Openai 给 DALLE3 设的完整系统提示词

如果用户没有要求生成特定数量的图像，默认创建四个提示发送给dalle，这些提示应尽可能多样化。

提示词绘画 DALLE

Deepseek-V2技术报告解读！全网最细！

模型参数量方面达到236B ，同时由于模型小专家混合的特性，模型在推理时的激活参数很少，可以实现高推理速度。

Deepseek-V2 大模型

<...28 29 30 313233 34 35 36 37 ...>

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