文章列表-AI魔法学院

文章列表

深度解析ElasticSearch同义词管理：打造更智能的搜索体验

通过将不同的表达方式映射为统一标准形式，搜索引擎可以更加全面、精准地返回用户需要的数据。

ElasticSearch 智能搜索

一文读懂GPT-1：生成式预训练如何提升语言理解

GPT-1基本原理 GPT-1模型主要包含两个阶段： 1.利用大量未标注的语料预训练一个语言模型； 2.对预训练好的语言模型进行微改，将其迁移到各种有监督的NLP任务，并对参数进行fine-tuning

GPT

微调大型语言模型-核心思想和方法介绍

在此过程中，索引模块将文档或网站分解为更小的部分，将它们转换为可存储在矢量数据库中的矢量。

大模型训练

大模型微调经验汇总---LLM finetuning 踩坑经验之谈

不管是 6B, 7B 和 13B 同样的训练数据，同样训练参数，模型参数量大效果则优于低参数的模型。

大模型人工智能

Python程序混淆和打包exe文件流程和方法

PyObfuscate支持多种混淆策略，如变量名替换、代码块替换、控制流混淆等，我们可以根据自己的需要选择不同的混淆策略。

Python 程序

Docker介绍及常用命令大全

也就是说，镜像是一个特殊的文件系统，除了提供容器运行时所需的程序、库、资源、配置等文件外，还包含了一些为运行时准备的一些配置参数(如匿名卷、环境变量、用户等)。

Docker 容器

[论文] 阿里提出AgentScope：灵活强大的智能体框架

此外，智能体可以配备各种工具，但这些工具引入了额外的不确定性（例如，对数据库或互联网的可访问性）。

AgentScope 语言大模型智能体

来自OpenAI应用研究主管关于Agent的万字长文-AI Agents介绍

一个标准做法是将信息的embedding表示保存到一个向量存储数据库中，该数据库可以支持快速最大内积搜索（MIPS）。

Agent

大模型实践总结

仅解码器架构（Decoder-only）：自回归模型（将解码器自己当前步的输出加入下一步的输入，解码器融合所有已经输入的向量来输出下一个向量，所以越往后的输出考虑了更多输入），更擅长生成类的任务，例如：

大模型训练

如何用ChatGPT创建阅读10W+爆款文章标题

请依据以下关于如何最大化文章标题点击率的最佳实践进行操作。

GPT-4

如何从零开始训练专属 LoRA 模型？4600字总结送给你！

一、训练数据集准备这个过程主要做三件事：训练素材处理图像预处理打标优化 1.

训练

如何用AI做LOGO？

在绘画领域，AI已经向画师们发起了挑战，更令人震惊的是，AI绘画甚至可以绘制出非常真实的照片，堪比专业摄影师。

Stable Diffusion 文生图

截至2023年5月份业界支持中文大语言模型开源总结及商用协议分析

而Alpaca团队的工作表明，最先进的模型可以被引导出高质量的指令跟随行为，而Databricks发现即使是早期架构的开源模型，只要在少量的指令训练数据上进行微调，也能展现出引人注目的行为。

大模型

2023检索增强生成技术（RAG）研究进展

然而，无论模型的规模如何增长，它们仍受限于训练数据的质量和范围。

RAG 检索增强

金融行业的开源AI大模型

金融领域有大量的公开信息，例如上市企业年报，地区和国家的经济数据，公开市场的交易信息，这些高质量的数据非常有利于行业大模型的训练。

开源大模型

<...33 34 35 363738 39 40 41 42 ...>

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