文章列表-AI魔法学院

文章列表

GitHub上的RPA小工具，可以将重复、繁琐的任务自动化

例如，可以编写脚本来自动填写表格、处理电子邮件、进行数据输入、生成报告等。

RPA 自动化

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

对于预训练，苹果使用的是公开数据集，如RefinedWeb、PILE、RedPajama和Dolma v1.6，总共大约包含1.8万亿个token。

OpenELM 大模型

收藏！万字长文聊聊LLM Agents的现状，问题与未来

2.4 数据通路与行动框架数据通路通常指的是在Agent内部信息流动的机制，包括感知环境的输入、处理这些输入的中间步骤，以及生成输出或行动的最终步骤。

LLM Agents

震惊！OpenAI发布Meta-Prompt，未来不再需要提示词。

2 请先整理下面提供的财务数据，以清晰的表格形式展示，然后对每个重要财务指标进行逐一分析。

Meta-Prompt 提示词

大模型应用的10种架构模式

面向微调的分层缓存策略模式我们将缓存策略和相关服务引入到大模型应用架构中，可以成功地解决成本、数据冗余以及训练数据等组合问题。

大模型架构

大模型：泛化即智能，压缩即一切

监督学习是优秀的数据海绵经过监督学习训练的深度神经网络是优秀的数据海绵——它们可以记住大量数据，并且可以通过数万批量大小的训练来快速完成这一任务。

大模型泛化

麦肯锡专家都在用的方法：用ChatGPT速览用户研究领域的 50 个核心概念

• 数据驱动：用户研究通过收集、分析和利用数据来支持决策，提高产品或服务的质量。

用户工作

12个RAG常见痛点及解决方案

如果非要模型输出正确答案而不是承认模型不知道，那么就需要增加数据源，并且要保证数据的质量。

RAG 大模型

摆脱 OpenAI 依赖，8 分钟教你用开源生态构建全栈 AI 应用

Milvus 的设计从底层开始，特别考虑了处理来自非结构化数据的嵌入向量。

开源模型

领域大模型LLM训练Trick

主要是因为这些数据的数据质量较高，领域相关性比较强，知识覆盖率（密度）较大，可以让模型更适应考试。

垂直训练大模型

chatglm3基础模型多轮对话微调

SFT数据格式使用自己的数据可以参照formatted_samples.json文件，这里没有考虑system，实际使用可以根据自己的情况加上，需要修改chat_data_module.py中对应的数据处理部分

ChatGLM 微调

第3期 SDXL和SD的10大区别！你知道几个？

1、模型参数更大。

文生图

ChatGPT写论文最强指令

请提供清晰的概述，并在可能的情况下，附上引用文献和相关数据以支撑这些结论。

ChatGPT 指令

七问大模型幻觉｜LLM Hallucination

这种差异，有时可能是在数据收集过程中不经意间产生的，有时则是故意为之。

大模型

GGUF格式详解

GGUF格式是用于存储大型模型预训练结果的，相较于Hugging Face和torch的bin文件，它采用了紧凑的二进制编码格式、优化的数据结构以及内存映射等技术，提供了更高效的数据存储和访问方式。

GGUF 大模型

<...31 32 33 343536 37 38 39 40 ...>

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