文章列表-AI魔法学院

文章列表

朱啸虎讲了一个中国现实主义AIGC故事

他近期似乎迷上了这样一句话：“AIGC PMF（Product/Market Fit，产品/市场匹配），你十个人找不到，投一百个人同样找不到。”

朱啸虎 AGI

Sora物理悖谬的几何解释

流形分布定则在深度学习领域，一个自然的数据集被视为一个流形上的概率分布，这被称为是流形分布定则。

Sora 解释

ViTPose+：迈向通用身体姿态估计的视觉Transformer基础模型

目前，视觉transformer已经在识别、检测、分割等多个视觉任务上展现出来很好的性能。

ViTPose+Transformer 身体姿态

AI+大模型在金融行业的应用场景

整体而言，AI+金融并不是简单的技术叠加，而是根据不同业务场景的需求，使用最新技术成果研发出的创新金融产品、业务流程、经营模式和配套解决方案等。

AI大模型金融

谈谈RAG存在的一些问题和避免方式

1.分块（Chunking）策略和Top-k算法一个成熟的RAG应该支持灵活的分块，并且可以添加一点重叠以防止信息丢失。

RAG 大模型

【手把手带你微调 Llama3】改变大模型的自我认知，单卡就能训

install xtuner 2、自我认知训练数据集准备为了让模型能够让模型认清自己的身份——“我是谁，我来自哪里”，知道在询问自己是谁的时候回复成我们想要的样子，我们就需要通过在微调数据集中大量掺杂这部分的数据

Llama3 对话问答模型

玩一玩阿里通义千问开源版，Win11 RTX3060本地安装记录！

就是开源了一个低配版的通义千问模型--通义千问-7B-Chat。

通义千问

开源大模型王座易主！谷歌Gemma杀入场，笔记本可跑，可商用

nbsp; 训练基础设施谷歌使用了自研 AI 芯片 TPUv5e 来训练 Gemma 模型：TPUv5e 部署在由 256 个芯片组成的 pod 中，配置成由

开源模型 Gemma

苹果一次性开源了8个大模型！包含模型权重、训练日志和设置，OpenELM全面开源

研究人员提到，现有的大型语言模型在模型的每个Transformer层中使用相同的配置，导致参数在各层之间均匀分布。

OpenELM 大模型

LLM应用架构之检索增强（RAG）的缘起与架构介绍

，堆叠规模，而是采用了专才思路，具体看：一文探秘LLM应用开发(5)-微调(背景与挑战)，错过了人工智能的圣杯，而OPENAI坚持住了，发现了涌现，继而将我们是使用模型的方式从以finetune模型适配下游任务

LLM

最新最强开源模型Qwen3本地运行指南！Windows+ollama+chatwise轻松搞定

它支持开关深度思考能力，就像给模型配备了一个智能大脑的开关，你可以根据实际需求灵活调整。

Qwen3 开源模型

从⼤模型到 AI 应⽤落地，工程实现有多复杂?

本次分享主要包含五块内容，分别是：一、Prompt 工程化：代码与模型解耦二、私有化数据接⼊：持续更新与调整三、Agent 的演进：自动化编排四、我们最终会丢掉 LangChain

大模型

AI落地里那些假的机会

配套价值从使用价值的角度看，从声学的麦克风阵列算法到感知的语音识别再到认知的大模型等每个子类别都创造价值，但这类算法往往只在特殊的场景下能用，只有配套价值，是供应链的一个环节，这类情景通常不适合创业

大模型

AI Agent：大模型与场景间的价值之桥，但不适合当纯技术看

这部分其实很适合大模型内置。

大模型

目前有哪些比较成功的人工智能应用？

其实如果我们按照输入给人工智能应用数据类型的不同来划分的话，大致可以分为四种。

生成式AI

<...29 30 31 323334 35 36 37 38 ...>

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