文章列表-AI魔法学院

文章列表

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

分析过688篇大模型论文，这篇论文综述了LLM的当前挑战和应用

(b) 展示了 PEFT 方法，其为每个任务学习一个模型参数子集，然后配合固定的基础 LLM 使用。

开源模型

GitHub狂飙3万star的LLM公开资料 - 大模型入门教程

LLM 基础 1.1 机器学习 ML 的数学基础在学习机器学习之前，了解这些算法背后的基本数学概念非常重要。

LLM 大模型 GitHub

2023年LLM如何入门？请看这篇综述！

增加模型的参数规模可以增加模型的容量，从而使其能够学习更复杂的函数。

大模型

国内外开源大语言模型一览表

该项目通过医学知识图谱和GPT3.5API构建了中文医学指令数据集，并对LLaMa模型进行了指令微调得到了一个针对医学领域的智能问诊模型HuaTuo，相比于未经过医学数据指令微调的原LLaMa而言，HuaTuo

大模型

医疗+人工智能的创新应用

2、医学影像智能识别传统医疗场景中，培养出优秀的医学影像专业医生，所用时间长，投入成本大。

大模型

领域大模型LLM训练Trick

进行大模型微调时，数据是比较重要的，数据的高度决定模型效果的高度，因此数据的质量重要性大于数据的数量的重要性，因此对于构建微调数据时的几点建议如下所示：（1）选取的训练数据要干净、并具有代表性。

垂直训练大模型

备案通过且面向公众开放的国产精品大模型汇总，附访问链接

No.1 MOSS大模型 ● 出品方：复旦大学 ● 简介：MOSS是复旦大学自然语言处理实验室发布的国内第一个对话式大型语言模型。

大模型国产

LLM应用架构之检索增强（RAG）的缘起与架构介绍

如果用数学语言来说明判别式和生成式，那么判别式是直接寻找P(y|x),即y在x条件下的概率，找到决策边界，即根据x来判别y，故叫做判别式。

LLM

一文探秘LLM应用开发-Prompt(相关概念)

第一部分基础概念1.机器学习场景类别2.机器学习类型(LLM相关)3.深度学习的兴起4.基础模型第二部分应用挑战1.问题定义与基本思路2.基本流程与相关技术1）Tokenization与Embbeding2

prompt 大模型

RAG 修炼手册｜一文讲透 RAG 背后的技术

通过在大量的无监督数据上训练，预训练模型可以学习到更丰富的语义和语法特征，并在下游任务上进行微调。

RAG Embedding

最新最强开源模型Qwen3本地运行指南！Windows+ollama+chatwise轻松搞定

Qwen3在编码、数学、通用能力等多个关键领域展现出了卓越的实力，完全有能力与Gemini、ChatGPT、Grok等顶尖模型一较高下。

Qwen3 开源模型

微调、训练大模型概念介绍及论文笔记：Tuning系列论文笔记

适配器微调（Adapter-tunning） Adapter在预训练模型每层中插入用于下游任务的参数，在微调时将模型主体冻结，仅训练特定于任务的参数，减少训练时算力开销提示学习（Prompting

训练微调

震撼！AI语言模型突破瓶颈，26个提示词原则引领GPT-4响应质量飙升57.7%！你的模型还在等什么？

所以，想要从AI那里得到满意的答案，关键是要学会怎么提问。

语言模型提示词 GPT-4

京沪“中国大模型第一城”争夺战爆发｜钛媒体·封面

成为北京市继脑科学与类脑研究中心、量子信息科学研究院之后，着力建设的又一个重要的新型研发机构。

大模型钛媒体

<...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