文章列表-AI魔法学院

文章列表

什么是BERT？

Transformer结构的堆叠后，形成BERT的主体结构： BERT的主体结构该部分就是由多个Transformer结构所堆叠在一起对于不同的下游任务，BERT的结构可能会有不同的轻微变化，

embedding

真格基金大模型能力测试问题集---垂直能力篇

OpenAI 已经在官网展示了 ChatGPT 的 48 个基本能力，在 NLP 领域，也已经有了 SuperGLUE、MMLU、Google BIG-bench 等被广泛使用的测试集

中文训练大模型

大模型时代-行业落地的再思考

注意，由于大模型方向发展太快，认知在不断更新迭代，这篇文章只能作为在当下的思考逻辑，随时可能有新的变化。

大模型

大模型评测新思路：弱智吧精华问题大全

研究者表示，他们旨在为社区建立一个多样化、广泛的指令调优数据集，以更好地使模型行为与人类交互保持一致。

弱智吧训练数据集

马斯克怒告OpenAI案解密：Ilya看到了什么？125万亿参数Q*细节曝光，53页PDF全网疯转

本年度科技圈这场里程碑级大战，还在持续白热化！

OpenAI 大模型

【万字长文】全球AI Agent大盘点，大语言模型创业一定要参考的60个AI智能体

AI Agent提供了更广泛的功能，特别是在与环境的交互、主动决策和执行各种任务方面。

大语言模型

中国大模型「顶流群聊」笔记

只不过「共识」达成的太快也会有让人担心的地方，因为这个技术还在早期发展阶段，也还做不到「水银泻地」般落地到广泛领域。

大语言模型

使用自己的数据训练清华ChatGLM2-6B 模型

它通过在模型输入前添加小段Discrete prompt(类似填空句),并只优化这个prompt来实现模型微调。

ChatGLM2-6B

谈谈RAG存在的一些问题和避免方式

下面是这篇文章里面的截图： RAG应用中需要注意的关键点最近我和小明对RAG做了一些广泛的测试，我在这里可以做一些简单的曝光。

RAG 大模型

大模型训练工程那些事

OpenAI 使用小模型拟合的幂率规律准确预测了 GPT4 最终的训练 loss AI 模型流程与评估在大模型相关原理的指导下，AI 模型的构建也逐渐演化出了不同的阶段和流程。

训练工程大模型

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

心理健康AI应用空白：LLM评估基准震撼出炉（附Prompt模板）

01PsyEval基准的研究背景随着人工智能技术的飞速发展，大型语言模型在各个领域的应用日益广泛。

大模型心理

【ChatGPT有点热】浅聊Temperature参数对大语言模型的推理能力的影响

观察套壳站泛滥，很多站会宣称自己用了GPT4，实际是3.5。

大语言模型 chatGPT

Stable Diffusion

全面理解Stable Diffusion采样器

当然，如果想要稍微有些变化，可以使用 variational seed。

绘画采样器 SD

PostgreSQL的三位一体——在大模型应用中结合关系型、向量和时间序列数据

但是优化创新的路依然可谓道阻且长，接下来我们准备在数据库上做一些新的尝试。

大模型 PostgreSQL

<...35 36 37 383940 41 42 43 44 ...>

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