文章列表-AI魔法学院

文章列表

中文LLaMA-2基座模型和Alpaca-2指令精调大模型-中文LLaMA-2以及Alpaca-2系列模型

我们进一步设计了方便的自适应经验公式，无需针对不同的上下文长度设置相应超参本项目模型原生支持4K上下文，利用上述技术可扩展至12K，并最高支持扩展至18K+（精度有一定损失） 🤖 简化的中英双语系统提示语

大模型

九问中国大模型掌门人，万字长文详解大模型进度趋势

人与人之间的交互，不可能像人机一样，每句话只有一个指令。

大模型详解

【一步一步引导】从零详细地梳理一个完整的 LLM 训练流程

在 [falcon paper] 中提到，仅使用「清洗后的互联网数据」就能够让模型比在「精心构建的数据集」上有更好的效果，一些已有的数据集和它们的处理方法如下：各种数据源 &

大模型训练

RAG与Long-Context之争—没必要争

为什么RAG是粗排，Long-Context是精排从计算量角度来看，目前RAG是靠检索系统来进行相关内容过滤，一般采用ES、向量匹配等方法，可以理解计算量较小，也就是文本之间交互较少；而Long-Context

RAG Long-Context 大模型

EduChat：教育行业垂直领域大模型

通过利用来自互联网的实时更新的语料库作为外部知识源，使llm能够自主评估检索信息的相关性，以回答给定的问题，并决定纳入哪些信息来生成响应。

教育大模型垂直领域

大模型应用中大部分人真正需要去关心的核心——Embedding

向量Embedding非常灵活，包括音频、视频、文本和图像都可以表示为向量Embedding。

大模型

社区供稿｜GPT-4 与国产模型，大！横！评！

豆包：抱歉，作为语言模型，我无法为你直接绘制图像。

GPT-4 大模型

实测：本地跑llama3:70B需要什么配置

前几天发布的开源大语言模型Llama 3 70B的能力通过测试结果的展示已经达到了一个全新的高度，甚至可以与Claude 3 Sonnet和Gemini 1.5 Pro等一众顶级模型相媲美，甚至在某些方面已经超过了去年发布的两款

llama GPU内存

AutoGPT与LLM Agent解析

最简单的方法就是直接把这些对话记录，外部信息等以文本形式保存到文件或者数据库系统里，后续在与模型进行交互时，可以按需去获取这些外部存储中的信息。

大模型

24年首篇离奇论文：加点噪声，RAG效果翻倍？

与传统的大型语言模型相比，RAG系统通过引入外部数据提高了其生成能力。

RAG 检索增强

谈Agent构建平台的设计

是否能够同时写一些后端基础设施和前端交互则相对次要，因为他可以明确这些方面的子需求之后将其外包或简单自学实现。

Agent 构建

LangChain Agent 原理解析

LangChain 是一个基于 LLM（大型语言模型）的编程框架，旨在帮助开发人员使用 LLM 构建端到端的应用程序。

大模型

不用再羡慕Prompt大神了！看了这篇文章，你只需10秒钟，就能拥有自己想要的专业级Prompt！

，尤其专注于小红书平台的内容策划与撰写，擅长洞察时下流行趋势及消费者心理，持续打造高阅读量、高互动率的笔记内容。

prompt 写作

prompt必须知道的26条军规

论文的目标是为开发者和普通用户，解开查询和使用大型语言模型交互的神秘面纱，并通过简单地设计prompt，提高预训练大型语言模型的回应质量。

prompt 大模型

AI扫盲指南！什么是大模型？什么是GPT？什么prompt？什么是大模型参数？LLaMA2-70b中70b是什么？

2023年是AI席卷全球的一年，人们见识到了各种AI带来的变化，但是很多人不清楚AI中的术语。

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