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

OCR是什么以及推荐几款开源中文OCR识别软件

学习开源ocr的模型构建，方便后续对于模型的更新。

OCR

Langchain中改进RAG能力的3种常用的扩展查询方法

有多种方法可以提高检索增强生成(RAG)的能力，其中一种方法称为查询扩展。

检索增强生成 Langchain

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

目前最强图像编辑模型——Nano banana可以免费用了

kontext Pro更好，竞技场地址：https://lmarena.ai/竞技场是一个模型pk平台，发送同一个指令，会由两个模型一起生成，用户可以选择哪个模型生成的更好，选择之后会显示模型名字

Nano banana 文生图

「Agent」通俗易懂地聊聊AI Agent（附66个开源+44个闭源Agent项目）

先说明一个事实：像ChatGPT这样的AI大语言模型不仅仅是和聊天机器人有关，AI Agent和人类文明模拟的AI模型正在编译着我们文明的本质！

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。

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

最好能在翻译时给模型指定一个提示词工程师的角色，并且要求它翻译前后，模型生成内容效果相同。

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

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

在这篇文章中，我们将深入探讨四种不同的人工智能大语言模型微调技术：SFT 监督微调、LoRA 微调方法、P-tuning v2 微调方法和Freeze 监督微调方法。

大模型

知识树：一个方法，教你构建「终身知识体系」

所有的主干和枝干，就是我们整个知识树的框架；所有的叶子，就是我们一生中学到的所有知识；最后结出的果实，就是模型君所谓的思维模型。

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

《Generative Agents: Interactive Simulacra of Human Behavior》的论文中，我们看到的以大型语言模型驱动的，多智能体在沙盒环境中的可能发展形态，25

大模型

<...32 33 34 353637 38 39 40 41 ...>

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