文章列表-AI魔法学院

文章列表

个人从零预训练1B LLM心路历程

随着项目的推进，我其实已经分享过了如下4篇文章：【从零训练Steel-LLM】预训练数据收集与处理【从零训练Steel-LLM】预训练代码讲解、改进与测试【从零训练Steel-LLM

LLM 训练

AutoGPT与LLM Agent解析

No user assistance 4.

大模型

AI提示词|一词千金，写提示词的这个技巧你一定没想到！(一）

4.动词的使用：在制定提示时使用特定的动词（如“解释”、“重新诠释”、“简化”等）可以更精确地指导AI的输出。

提示词写作

再超Transformer！Google| 提出两个新模型(Griffin、Hawk)，强于Mamba，更省资源

他们将循环块的宽度扩大了约 4/3 倍（即𝐷_𝑅𝑁𝑁 ≈4𝐷/3），以便在两者使用相同的模型维度 𝐷 时，

transformer 训练

大语言模型微调：定制自己的微调数据集

由于生成Alpaca数据集的self-instruct [2] 技术得到的数据集本身存在一些瑕疵，因此数据集需要进一步清洗和改进，例如alpaca-cleaned [3] 和alpaca-gpt4 [4]

大模型

深度洞察：人工智能体(AI Agent)2024年重要发展趋势指南

多智能体层级开发 4.

AI Agent 人工智能

请收好这12种Prompt编写模式，让不可靠的模型生成可交付的可靠结果

4.

prompt

十个节省数百小时无聊工作的GPT提示词

4️⃣ 超级解决问题 Prompt：“Provide me with a step-by-step solution to the problem

prompt 提示词

RAG应用中数据处理过程需要注意的事项

4.

RAG 大模型

AI写作：爆款选题公式+Prompt指令，手把手教你写赚钱的公众号流量主文章

事件可以是现实发生的，也可以是即将发生的，或者是虚构的； 3.情绪元素即文章要让读者做出的情绪反应，比如正面情绪（成功、自豪、温暖、正能量等）、负面情绪（孤独、愤怒、愧疚、失败等）或是其他复杂情绪等； 4.

prompt 写作

LLM之RAG实战（五）| 高级RAG 01：使用小块检索，小块所属的大块喂给LLM，可以提高RAG性能

VectorStoreIndex, ServiceContextfrom llama_index.llms import OpenAIimport json 让我们从RAG的基本实现开始，包括4个简单步骤

RAG 检索

通俗解读大模型微调(Fine Tuning)

关于QLoRA的具体细节，可以参见：QLoRA: Efficient Finetuning of Quantized LLMs[4]。

大模型微调

Stable Diffusion

造梦师手记：腾讯加入Stable Diffusion的ControlNet模型开发，效果艳丽

T2I-Adapter 的训练是在 4 块 Tesla 32G-V100 上只花了 2 天就完成，包括 3 种 condition，sketch（15 万张图片），Semantic segmentation

Stable Diffusion

真格基金大模型能力测试问题集---垂直能力篇

(A) 4 (B) 3 (C) 2 (D) 1 在人口转型模型的第三阶段，以下哪项是正确的？

中文训练大模型

垂直领域大模型的思考

知识图谱单轮指令微调数据 Self-Instruct Self-Instruct[4]

垂直领域大模型

<...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