文章列表-AI魔法学院

文章列表

基于大模型（LLM）的Agent 应用开发

为了使基于大模型的Agent适合于Multi-Agent的对话，每个Agent都可以进行对话，它们可以接收、响应和响应消息。

大模型 Agent

向量数据库简介和5个常用的开源项目介绍

这段数字帮助计算机以更有效和更有意义的方式理解和比较这些项。

开源模型

PDFTriage:面向长篇结构化文档的问答

已证明这样的任务解决轨迹比基准更可解释。

大语言模型 PDF 文档

一个令人惊艳的图片高清化重绘神器：SUPIR来了！

话不多说，先看效果：风景图片感觉这个项目对风景图和物件等真实图片的高清化修复效果是最好的，默认设置就可以出来比较好的效果。

SUPIR 文生图

OpenAI的官方Prompt工程指南详解 - 看这一篇真的就够了

比如：使用以下分步说明来响应用户输入。

提示词 prompt

微调、训练大模型概念介绍及论文笔记：Tuning系列论文笔记

，只需要额外训练一个独立的prompt参数即可对比实验 prompt长度实验：越长的prompt能带来越好的效果，但模型规模足够大，长度影响就很小【可能是因为越长的prompt对应越长的参数表达空间

训练微调

Yi技术报告细节分享

过滤规则包含：（1）根据特殊URL、域名、黑名单词表以及乱码文本进行过滤；（2）根据文本长度、特殊字符比例、短、连续或不完整的行比例；（3）根据重复词语、N-Gram片段、段落的占比；（4）识别和匿名话个人可识别信息

Yi模型大模型

AI Agent：大模型与场景间的价值之桥，但不适合当纯技术看

就像人工智能这样的概念也得被反复打磨才能相对精准一点。

大模型

深入解析 Mistral AI 的 Mixtral 8x7B 开源MoE大模型

与参数量高达 467 亿的 GPT-4 等大型模型相比，Mixtral 8x7B 更小的模型体积展现了 Mistral AI 对实用性的重视。

开源模型 Mixtral 8x7B

Stable Diffusion

硬核解读Stable Diffusion（系列二）

解决这个问题的办法就相对比较简单，就是采用多尺度策略训练，比如NovelAI提出采用Aspect Ratio Bucketing策略来在二次元数据集上精调模型，这样得到的模型就很大程度上避免SD的这个问题

StableDiffusion 文生图

硬核Prompt赏析：HuggingGPT告诉你Prompt可以有多“工程”

；从深层上讲，是对模型调度的系统设计，饱含对整个系统如何工作的深刻理解。

提示词 prompt

吴恩达Prompt教程之总结图解

我们也在本篇文章对之前的几篇文章进行一个总结：第一篇文章主要针对当前GPT最为常用的两种模型进行介绍。

prompt 教程吴恩达

LLM应用架构之检索增强（RAG）的缘起与架构介绍

实际上这个问题比较模糊，比如bert算不算是大模型呢？

LLM

姚班天才开发《完蛋！我被大模型包围了》游戏爆火，一日用户过万挤爆服务器

第一章的目的主要是让玩家熟悉一下气氛，任务自然也比较简单。

大模型游戏

Effective Prompt: 编写高质量Prompt的14个有效方法

显然，所谓的“好”并不存在一个绝对的标准，不同的用户有不同的需求，“好”的标准是因人而异的。

prompt 提示词

<...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