文章列表-AI魔法学院

文章列表

前半年，我看到的有趣的 AI 产品

1、这半年脉冲式的小爆款 AI 产品，时不时出现。

AI工具

LangChain Agent 原理解析

想象一下，你有一个智能助手机器人，名叫小明。

大模型

StableDiffusion

StableDiffusion常用基础参数说明

Sampling Steps（采样步数）：扩散模型的工作方式是从随机高斯噪声向符合提示的图像迈出小步。

文生图

大模型应用实践：用LLaMA 2.0, FAISS and LangChain实现基于自由知识问答

它包含了能够在可能不适用于RAM的任意大小的向量集合中进行搜索的算法。

开源模型

AI虚拟主播数字人技术实现Wav2Lip

举例：小A的语音、加上小B的视频，融合为一个最终的视频；那么人小A在发出“啊”声音的时候，小B的嘴应该是张开的，以下是一张效果图），本文第五本部分是效果评测！

数字人视频

大模型：泛化即智能，压缩即一切

当训练模型到达最小化训练损失时，我们可以说它已经“记住”了训练集。

大模型泛化

写好Prompt提示工程的一套通用框架 - 5个关键要素

示例3 Prompt内容： """ 2022年的某一天，李明开着摩托车去给客户送货，路上遇到了一只小狗，他停下车去看了一下小狗，回去开车的时候货物不见了。

Prompt 提示工程

Elasticsearch 中的向量搜索：设计背后的基本原理

当超过索引缓冲区的大小或必须使更改可见时，这些内存中的缓冲区将被序列化为段的一部分。

向量数据库

LLM应用架构之检索增强（RAG）的缘起与架构介绍

这里有一个形象的例子来解释，有两个小学生小明和小花，他们得到一个相同的任务就是学习区分狗和猫，小明是个急性子，他希望赶紧把任务完成然后就可以玩，所以，他学习方法简单直接，重点放在了猫和狗的差异特征上

LLM

吴恩达Prompt教程之总结图解

GPT的引入大大降低了算法入门的难度，甚至是一个没有编程经验的小伙伴也可以快速的按照自己的想法搭建一个复杂的系统，通用算法的未来之路在哪里？

prompt 教程吴恩达

GGUF格式详解

大端模式与小端模式大端模式是指数据的低位保存在内存的高地址中，而数据的高位保存在内存的低地址中.小端模式是指数据的低位保存在内存的低地址中，而数据的高位保存在内存的高地址中。

GGUF 大模型

LLM大模型推理输出生成方式总结

Top-K采样方式：每个时间步，会保留topK个字，然后对topk个字的概率重新归一化，最后在重新归一化后的这K个字中进行采样参数：top_k 缺点：在分布陡峭的时候仍会采样到概率小的单词，或者在分布平缓的时候只能采样到部分可用单词

大模型

什么是极限、导数、微分与积分（通俗易懂）

在微积分中，这种对微小变化的探究就是微分的精髓。

数学微积分科学

Python几种常见算法汇总

我们使用递归的方式实现快速排序算法，首先选择一个基准值pivot，然后将列表分为左右两个部分，左边部分的元素小于基准值，右边部分的元素大于基准值，然后递归地对左右两个部分进行排序，最后将左、中、右三个部分合并成一个有序的列表

编程 python 算法

如何使用ChatGPT进行写作

例如，你可以告诉ChatGPT：“我想写一篇关于小企业如何利用社交媒体进行市场营销的博客。

ChatGPT 写作

<...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