文章列表-AI魔法学院

文章列表

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

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

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

【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

个人从零预训练1B LLM心路历程

Steel-LLM项目初期，我还打算做一件个人认为还比较有意思的事情：因为开源的LLM往往不会包含特别小众、个性化的知识内容，因此计划持续收集围观读者们的数据并训练到模型中，各种亚文化、

LLM 训练

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

如何用大语言模型构建一个知识问答系统

通过归一化、拼写纠错、扩展、翻译等方式对查询请求中的词进行替换。

知识库

谁杀死了我们的技术教程？网络技术教程越来越少？

技术论坛很宽泛，有那种综合性的论坛，比如现在的知乎、CSDN和简书；也有专业性很强的，这点以计算机最为明显，比如国内的稀土掘金、机锋论坛、知否和远景论坛等。

技术技术教程

LLM应用架构之检索增强（RAG）的缘起与架构介绍

而生成式更为深入，也更符合人类喜欢的学习模式，能够举一反三，从事实原因来顺推结果，但这个推理过程，自然需要大量的样本和算力支持，它不仅能够简单判别，而且它学到的事物真实的本质，即概率分布，故而泛化性强，

LLM

AI产品经理视角：如何构建人工智能产品

这些“本地”的、可能存在偏见的观察结果可以通过超出网络范围的调查来验证，并确认解决方案的更广泛市场。

大模型产品经理

冲击传统模特，商汤发布高质量虚拟试衣Diffusion模型

本文在VITON-HD和DressCode数据集上进行了广泛的实验，并与以前的工作进行了比较，证明了我们的方法可以取得出色的性能。

文生图

最顶尖的大语言模型人才，只关心这10个挑战

优化上下文长度和上下文构建 3.

大语言模型

解读提示工程（Prompt Engineering）

用途包括编程辅助、自动化代码生成等。

Prompt 提示词

Stable Diffusion

硬核解读Stable Diffusion（系列二）

文生图根据文本生成图像这是文生图的最核心的功能，下图为SD的文生图的推理流程图：首先根据输入text用text encoder提取text embeddings，同时初始化一个随机噪音noise

StableDiffusion 文生图

<...36 37 38 394041 42 43 44 45 ...>

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