文章列表-AI魔法学院

文章列表

快消品企业怎么才能用上大语言模型？

就拿我们上面提到的“倒逼企业重塑数字底座”为例，过去互联网时代的“人工编写代码+数据库”的模式，正在遭受“模糊数据+神经网络模型”的挑战。

大模型

如何看待大型语言模型的Prompt

LLM作为程序数据库你可以将大型语言模型视为类似于数据库：它存储信息，你可以通过提示来检索信息。

prompt 大语言模型

“大模型+机器人”的现状和未来，重磅综述报告来了！

基础模型通过在大规模数据上进行预训练，学习到了丰富的语义信息和世界知识。

论文机器人

大规模训练系列之技术挑战

1.2 数据与模型规模对精度的影响近年来，随着数据规模和模型规模的不断增大，模型精度也得到了进一步提升，一些列研究实验表明，从大模型与大数据入手提高模型精度是可行的。

开源模型

Transformer速查宝典：模型、架构、训练方法的论文都在这里了

· 它在一个 300B token 的数据集上进行训练。

Transformer

LLM微调神器Lamini，疯狂获星1.9k，免费可用！！

并且，在 Lamini 的项目地址中有着 · 1400 个问答数据集（这是关于 Lamini 的内部工程文档，你也可以将其自定义）； · 在此数据集上运行 LLM 微调的代码；

大模型

15个中文AI写作提示词帮你覆盖所有主流写作场景！！！

数量｝｝个引人注目、吸引点击的「标题党」风格的标题。

写作 prompt 提示词

Giraffe：世界上第一个商业可用的32K长上下文开源LLM（基于Llama-2）

· 特别是，我们将 RedPajama 数据集的微调和 Vicuna 数据集的指令微调与上述方法结合起来。

开源模型

Llama 3突然来袭！开源社区再次沸腾：GPT-4级别模型可以自由访问的时代到来

并且推出即为开源SOTA： Meta官方数据显示，Llama 3 8B和70B版本在各自参数规模上超越一众对手。

meta llama3

大模型微调方法总结

Adaptation of Large Language Models（https://arxiv.org/pdf/2106.09685.pdf）简介自然语言处理目前存在一个重要范式：一般领域数据的大规模预训练

开源模型

AI Agents大爆发：软件2.0雏形初现，OpenAI的下一步

这个正则化项可以帮助模型更好地泛化和适应新的数据，避免过度拟合现有的数据。

agent

如何使用ChatGPT写出优质文章

提供详细背景信息收集信息：在写作前，收集有关主题的相关数据、研究报告、案例研究等资料。

ChatGPT 写作

LangChain + ChatGLM2-6B 搭建私域专属知识库

+23%）、CEval（+33%）、GSM8K（+571%）、BBH（+60%）等数据集上的性能取得了大幅度的提升，在同尺寸开源模型中具有较强的竞争力。

知识库

LangChain: LLM 应用聚焦的两大方向，RAG 和 Agents

LLM 的能力，这其中就包括了外部向量数据库、外部知识图谱、甚至直接把现有的 ES 接入，或者干脆把现有的生产环境下的搜索引擎接入等方式。

大模型

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

向量数据库也存在召回率偏低、开发门槛高等缺点。

RAG 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