文章列表-AI魔法学院

文章列表

收藏！万字长文聊聊LLM Agents的现状，问题与未来

这里给出原文的插图，并基于原文作一定分析，会相对难读一点，请诸位见谅。

LLM Agents

硬核Prompt赏析：HuggingGPT告诉你Prompt可以有多“工程”

论文原文和中文介绍如下：论文原文 HuggingGPT：https://arxiv.org/abs/2303.17580 中文介绍 HuggingGPT介绍

提示词 prompt

LLM微调经验&认知

原文地址：https://zhuanlan.zhihu.com/p/634180659 · 关于认知 · 1.

LLM 大模型

七问大模型幻觉｜LLM Hallucination

有一些研究也在致力于分析幻觉出现的不同原因，已知的一些原因包括： .

大模型

LangChain + ChatGLM2-6B 搭建私域专属知识库

o• 更高效的推理：基于 Multi-Query Attention 技术，ChatGLM2-6B 有更高效的推理速度和更低的显存占用：在官方的模型实现下，推理速度相比初代提升了

知识库

Prompt工程如此强大，我们还需要模型训练吗？

LLM原始训练目标是为了生成自然、连贯的文本，因为其本身接受了大量的文本进行预训练，因此根据提示补全和创造文本就是模型的原生能力。

大模型

clone-voice：一键克隆声音，开源AI技术让声音创作更便捷、更个性化

二、技术原理剖析 clone-voice的核心技术基于深度学习模型，特别是WaveNet和Tacotron系列模型，这些模型在语音合成领域有着出色的表现.

clone-voice 声音克隆

关于GPT-4在变笨，有人写了篇论文证实了这一点

尤其注意的是，两个模型不同版本给出的答案重叠度也很小，论文给出的推测原因之一是其思维连贯能力出现了问题。

大模型

论文润色 | GPT4.0论文润色指令总结（含GPT3.5和4.0润色效果对比）

此外，在降价表中列出所有修改并解释修改的原因。

论文提示词写作

手把手带你微调一个自己的 ChatGLM2-6B 模型

但当前版本的 ChatGLM2-6B 对单轮超长文档的理解能力有限，我们会在后续迭代升级中着重进行优化。

ChatGLM2-6B

通俗易懂地解释OpenAI Sora视频生成的特点有哪些？它与此前的Runway Gen2、Pika有什么区别？以及缺点是什么？

上图是两个例子，左右两边是原来的2个视频，中间是基于这原有的2个视频连接后生成的新的视频。

sora 视频生成

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

LoRA 的基本原理是冻结预训练好的模型权重参数，在冻结原模型参数的情况下，通过往模型中加入额外的网络层，并只训练这些新增的网络层参数。

大模型微调

Stable Diffusion

Stable Diffusion 文生图全网最细详解

四、采样区采样区做的事就是，我们该用什么样的采样方式来画，画多少笔（多细致） 1.采样方式由于采样方式的原理比较深奥，涉及到很多的算法，我直接给结论，我更加推荐使用下面这三个：

文生图 SD

白话Embedding：普通人都能懂的科普文

例如，点$（6,4）$和$（2,8）$之间的距离只是毕达哥拉斯定理的应用。

Embedding 向量

「语音转换新速度」— 探秘Whisper JAX的70倍速提升

技术优势 Whisper JAX继承了原始Whisper模型的强大功能，包括对多种语言和口音的高度适应性，以及在各种背景噪声中的稳定性能。

Whisper 语音识别

<...30 31 32 333435 36 37 38 39 ...>

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