文章列表-AI魔法学院

文章列表

一位芯片投资人的十年复盘：谁是中国的英伟达｜AI光年

; 杨光：像手机这样的消费电子产品里面，现在只有一颗芯片也就是AP（应用处理器，支持系统和APP的运行)依赖先进制程

AI光年芯片投资

大模型套壳祛魅：质疑套壳，理解套壳

零一万物在文章中提到，模型训练过程好比做一道菜，架构只是决定了做菜的原材料和大致步骤，要训练出好的模型，还需要更好的「原材料」（数据）和对每一个步骤细节的把控（训练方法和具体参数）。

大模型套壳

大模型微调经验汇总---LLM finetuning 踩坑经验之谈

MoE - 稀疏门控制的专家混合层，最近爆出 GPT4 是由8个220B 的模型组合。

大模型人工智能

十大开源语音识别项目

首先，其算力使用灵活，成本可控。

语音识别开源项目

真格基金大模型能力测试问题集---进阶篇

他们还制作了一只狗叫做普鲁托。

中文评测大模型

手把手！做Llama3的MoE专家混合模型！底层原理怎样的？做自己的MoE模型？需要多少算力？

需要在训练期间平衡专家的使用，以正确训练门控权重以选择最相关的权重。

MoE 专家混合模型

2023检索增强生成技术（RAG）研究进展

大模型可能会内置更加高效的检索机制，而RAG技术也会不断优化，使得检索过程更加精准、生成过程更加自然。

RAG 检索增强

高级 RAG 技术——图解概览

让我们来看看多文档智能体方案——这是一个复杂的设置，涉及在每个文档上初始化一个智能体（OpenAIAgent），负责文档摘要和经典问答机制，以及一个负责将查询路由至文档智能体并合成最终答案的顶级智能体。

RAG 检索图解

LangChain - RAG: 拿什么「降伏」PDF 中的 Table 类型数据

等企业内部数据，为下一步 embedding 化、高效存储 emb、灵活更新 emb，又是这一堆难啃骨头里面的刺儿头，尤其是遇到文档中包含 table，甚至这些 table 还是以 image 形式存在的，控制不好不仅仅容易把

大模型 LangChain RAG

我为什么不看好大模型行业

英伟达的竞争优势绝不仅仅是硬件的设计能力，也不是制造能力，而是生态锁定。

大模型

开源大模型部署及推理所需显卡成本必读：也看大模型参数与显卡大小的大致映射策略

以下是对这两种精度的解释以及它们在内存中占用的字节数： int4 (4位整数): 含义：int4使用4位二进制来表示整数。

开源模型

Stable Diffusion

stable diffusion 远端跑图—— Api基础知识掌握

是必须的技能上个月做了安卓和苹果手机用远端sd进行跑图的几个demo，整体流程很简单购买云端服务器-> 内网穿透 -> api形式运行sd -> 手机发送api请求，即可实现远端操控sd

文生图 api

垂直领域大模型的一些思考及开源模型汇总

虽然国内大厂在紧追不舍，但目前绝大多数都还在实行内测机制，大概率是不会广泛开放的（毕竟，各大厂还是主盯ToB、ToG市场的，从华为在WAIC的汇报就可以看出）。

垂直领域大模型开源模型汇总

微调百川Baichuan-13B保姆式教程，手把手教你训练百亿大模型

学习基础知识：建议先学习编程语言的基础知识和语法，例如变量、数据类型、控制结构、函数等。

大模型微调

如何成为LLM提示词大师！「大语言模型的底层心法」

然而，仍然存在一些需要进一步研究和开发的重大限制。

大模型提示词

<...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