文章列表-AI魔法学院

文章列表

检索增强生成(RAG)有什么好的优化方案？

一、RAG基础功能优化对RAG的基础功能优化，我们要从RAG的流程入手[1]，可以在每个阶段做相应的场景优化。

RAG 检索增强

8个常用中文OCR数据集，附下载链接

No.1 MSRA-TD500 (MSRA Text Detection 500 Database) 下载链接：https://opendatalab.com/MSRA-TD500 MSRA-TD500

OCR

检索增强生成(RAG)有什么好的优化方案

一、RAG基础功能优化对RAG的基础功能优化，我们要从RAG的流程入手[1]，可以在每个阶段做相应的场景优化。

RAG 检索增强生成

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

整理了近期所有TTS相关的大模型

Repo](https://github.com/sh-lee-prml/HierSpeechpp) [GDrive](https://drive.google.com/drive/folders/1-

TTS 大模型

用ComfyUI整了一套照片转Q版手办的工作流

这是大概的工作流： 1.

comfyui 文生图

惊艳推荐！8款好用又免费的文本转语音TTS工具

pip 安装 1.

TTS Maker 语音

人工智能大语言模型微调技术：SFT 、LoRA 、Freeze 监督微调方法

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、Freeze 监督微调方法 1.SFT 监督微调 1.1 SFT 监督微调基本概念 SFT（Supervised

大模型微调

中文LLaMA-2基座模型和Alpaca-2指令精调大模型-中文LLaMA-2以及Alpaca-2系列模型

无标注通用语料有标注指令数据词表大小[1]

大模型

OpenAI 上线新功能力捧 RAG，开发者真的不需要向量数据库了？

限制 1: 可扩展性 OpenAI Assistants 内置检索对文件大小和数量都有限制。

RAG 检索向量库

白话Embedding：普通人都能懂的科普文

向量是两个听起来不同但实际上相同的东西： 1.

Embedding 向量

垂直领域大模型的一些思考及开源模型汇总

个人认为是需要的，从几个方面来讨论： 1、个人觉得真正垂直领域大模型的做法，应该从Pre-Train做起。

垂直领域大模型开源模型汇总

大模型落地“诸神之战”，场景玩家先杀出重围了

电商图片素材需求很大，包括场景图、主图、详情页等制作，人工实拍+设计，工作量在1周-1个月不等。

大模型文生图

RAG 2.0，终于把RAG做对了！

Source 注：Source 该过程涉及使用三个要素： 1.嵌入模型 2.检索器，通常是一个向量数据库 3.生成器，即LLM 首先，要使检索过程奏效，需要将数据转换为“嵌入形式”，即将文本表示为数值向量的形式

RAG 大语言模型

最顶尖的大语言模型人才，只关心这10个挑战

在与许多工业界及学术界同仁交谈之后，我试着总结出十个正在蓬勃生长的主要研究方向： 1.

大语言模型

<...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