文章列表-AI魔法学院

文章列表

应用编排的未来是Pipeline，LlamaIndex开发预览版推出Query Pipeline，提升应用开发的灵活性

应用程序的本质往小里说是代码组织，往大里说就是逻辑编排。

Query Pipeline 大模型

感受恐惧的力量：用 ChatGPT 分析288 篇 10w+ 公众号文章标题的情感分布

上一篇文章中，我介绍了一篇研究 ChatGPT 做定性研究质量如何的文章，结果发现 ChatGPT 做文本分类的质量与人类一致。有了这样的研究支持，我就可以放心用 ChatGPT 来做文本分析了。公司的用户反馈分类没法展示出来，需要找寻另外可用的分类文本。这个分类任务不能太简单，不然没意思，同时，分析出来的东西还要比较有趣，能有点用最好了。最终，我选择了让 ChatGPT 来对微信公众号的文章标题进行分类，看一下那些 10w+ 文章的标题都是怎么吸引人的。

大模型

Langchain的一些问题和替代选择

Langchain因其简化大型语言模型(llm)的交互方面的到关注。

大模型

LangChain: LLM 应用聚焦的两大方向，RAG 和 Agents

接入的方式也大同小异，首先检索外挂数据源中与用户给出的上下文相关的内容，合并之后做 embedding 给到所用的 llm ，最后由 llm 根据模型自己的认知，做出回答。

大模型

Prompt逆向工程：轻松复刻OpenAI“神级”提示词

因为“信、达、雅”的翻译，可能会令模型更容易误解指令要求。

大模型

如何修复GPT幻觉、及评估数据集的挑战

生成大型语言模型 (LLM) 可以对各种用户提示生成高度流畅的响应。

大模型

AI Agent / 智能体观察笔记（中）

》的论文，论文中介绍了一个应用大语言模型实现模仿可致信人类行为的生成式智能体。

大模型

四种微调技术详解：SFT 监督微调、LoRA 微调、P-tuning v2、Freeze 监督微调方法

当谈到人工智能大语言模型的微调技术时，我们进入了一个令人兴奋的领域。

大模型

知识树：一个方法，教你构建「终身知识体系」

你只需要记几个思维模型，而这并不需要多大的记忆量。

大模型

书生·万卷：难得的中文开源数据集

搞大模型训练，最重要的就是高质量的数据集。

大模型

改进召回（Retrieval）和引入重排（Reranking）提升RAG架构下的LLM应用效果

如前文LLM应用架构之检索增强（RAG）的缘起与架构介绍，RAG架构很好的解决了当前大模型Prompt learning过程中context window限制等问题，整体架构简明清晰，易于实现，得到了广泛的应用

大模型

一个充满多智能体的数字社会正在浮现，商业的底层逻辑已进入重构倒计时

我们在协作软件工程基准测试上的实验表明，与现有的基于聊天的多智能体系统相比，MetaGPT生成了更连贯和正确的解决方案。

大模型

谈谈LLM在推荐域的渗透，探索推荐新范式

utm_content=g_1000376022 作者｜葬青前言最近大模型真的很火，从个人到公司，各行各业都在学习大模型、总结大模型和尝试应用大模型。

大模型

为什么说AI现在还不行！

AI最近有点被妖魔化了，很像一个老虎在还没有橘猫大的时候，就已经被天天当成虎力大仙来讨论。

大模型

被高估的Pika，被低估的多模态AI

“之前很多公司都在卷文本大模型，GPT-4V 的出现代表多模态大模型可落地，毫无疑问明年大家都会卷多模态 AI ，原因很简单，因为 OpenAI 说明这条路是能够走得通

大模型多模态

<...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