文章列表-AI魔法学院

文章列表

大模型应用实践：用LLaMA 2.0, FAISS and LangChain实现基于自由知识问答

此模块包含处理文档的实用函数以及与其他向量数据库集成的集成。

开源模型

企业如何更好的使用大模型？都有哪些框架和方案

通过数据管道将来自数据库、SaaS软件或者云服务中的数据实时同步到向量数据库中，形成自己的知识库。

人工智能大模型

挑战全网，字节跳动coze平台让你免费创建ChatGPT4的机器人，不仅能免费使用DallE3，还能免费导入自己的知识库

随着aigc的迅猛发展，ChatGPT上线了最新的搞钱工具GPTs，面对这个AI时代的搞钱工具，很多小伙伴们都跃跃欲试想自己搞一套自己的助理机器人，但是对于大多数朋友来说GPTs太贵了，每个月要20美元

Coze 聊天机器人

基于Ollama本地部署谷歌开源Gemma大模型！

同时，还能在Keras3.0（以集成主要框架JAX、PyTorch和TensorFlow）上用于推理和监督微调（SFT）的工具链。

ollama gemma qwen

大规模训练系列之技术挑战

类似的，扩大数据规模也能带来精度提升，如使用 ILSVRC-2012 (128 万张图片，1000 个类别)和 JFT-300M（3 亿张图片，18291 个类别）两个数据集来训练 ResNet50，精度分别为

开源模型

北大开源最强aiXcoder-7B代码大模型！聚焦真实开发场景，专为企业私有部署设计

先看看在HumanEval、MBPP和MultiPL-E三大主流评测集上的表现，它平均得分居然超过340亿参数的Codellama。

aiXcoder-7B 大模型

大模型外挂知识库优化-大模型辅助向量召回

Zero-Shot指的是模型没有见过某个场景（或者某个数据集）的数据，就应用于该场景，和用数据训练模型以及在语言模型上下文中加入示例相对应。

大模型

Agent：OpenAI的下一步，亚马逊云科技站在第5层

除了私有数据的集成和调用，在大模型应用落地的路上，最为底层的支撑，算力，也始终是一个百说不厌的话题。

开源模型

LLM微调经验&认知

模型一但学会中文后，一些指令微调数据集里没见过的中文词汇它竟然也可以理解和输出，这里有些惊奇。

LLM 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

人工智能大语言模型微调技术：SFT 、LoRA 、Freeze 监督微调方法

这些模型参数包含了源数据集上学习到的知识，且这些知识同样适用于目标数据集。

大模型微调

重磅来袭！Llama中文社区开源预训练中文版Atom-7B大模型

因此，基于中文数据对Llama2模型进行预训练和微调十分必要。

大模型

来自OpenAI应用研究主管关于Agent的万字长文-AI Agents介绍

为了避免过拟合，CoH添加了一个正则化项来最大化预训练数据集的对数似然。

Agent

从⼤模型到 AI 应⽤落地，工程实现有多复杂?

私有化数据接⼊：持续更新与调整⼤模型都是通过公开可⽤的数据集进⾏预训练的，对单次输⼊

大模型

一个产品经理的大模型观察、反思与预测

） Scaling Laws：神经网络的大力出奇迹 · 随着模型大小、数据集大小和用于训练的计算浮点数增加

工作

<...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