文章列表-AI魔法学院

文章列表

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

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

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

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

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

大模型RAG检索增强问答如何评估：噪声、拒答、反事实、信息整合四大能力评测任务探索

利用现有的向量化检索模型，选出与查询匹配度最高的前30个文本块。

大模型 RAG检索增强

AI Agent / 智能体观察笔记（下）

大语言模型没办法自己买机票，因此需要使用RPA技术让AI自己在电脑/浏览器上自动打开购票网站点点点——其实这一步骤如果互联网生态上的厂商可以广泛开放接口效果会好很多——但是没有也没关系，RPA技术可以模拟真人行为之间对电脑操作

大模型

我为什么不看好大模型行业

第二，商业模式未来可能得到优化。

大模型

AI出题，做不完，根本做不完

另外还对数学老师的能力做了一些泛化，AI数学老师可以针对不同的年级和考试范围进行出题，需要用户提供相关信息。

大模型提示词试题

AutoGPT与LLM Agent解析

后续想要拓展 GPT 的应用范围，一个很自然的方向就是让 GPT 能够学会自己使用各种外部工具，来进行更广泛的任务类型的执行，做到“知行合一” 。

大模型

从0到1基于ChatGLM-6B使用LoRA进行参数高效微调

ChatGLM-6B 使用了和 ChatGPT 相似的技术，针对中文问答和对话进行了优化。

大模型

<...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