文章列表-AI魔法学院

文章列表

揭秘Baichuan 3超越GPT-4的中文实力！文心一言、GLM 4.0也甘拜下风？全方位对比测试大揭秘！

在数据方面，百川智能采用了基于因果采样的动态训练数据选择方案，这意味着模型能够在训练过程中自我优化数据选择，而非依赖人工先验。

Baichuan 3 大模型

应用编排的未来是Pipeline，LlamaIndex开发预览版推出Query Pipeline，提升应用开发的灵活性

应用程序的本质往小里说是代码组织，往大里说就是逻辑编排。

Query Pipeline 大模型

感受恐惧的力量：用 ChatGPT 分析288 篇 10w+ 公众号文章标题的情感分布

上一篇文章中，我介绍了一篇研究 ChatGPT 做定性研究质量如何的文章，结果发现 ChatGPT 做文本分类的质量与人类一致。

大模型

Langchain的一些问题和替代选择

Langchain因其简化大型语言模型(llm)的交互方面的到关注。

大模型

LangChain: LLM 应用聚焦的两大方向，RAG 和 Agents

接入的方式也大同小异，首先检索外挂数据源中与用户给出的上下文相关的内容，合并之后做 embedding 给到所用的 llm ，最后由 llm 根据模型自己的认知，做出回答。

大模型

Prompt逆向工程：轻松复刻OpenAI“神级”提示词

因为“信、达、雅”的翻译，可能会令模型更容易误解指令要求。

大模型

如何修复GPT幻觉、及评估数据集的挑战

生成大型语言模型 (LLM) 可以对各种用户提示生成高度流畅的响应。

大模型

AI Agent / 智能体观察笔记（中）

》的论文，论文中介绍了一个应用大语言模型实现模仿可致信人类行为的生成式智能体。

大模型

四种微调技术详解：SFT 监督微调、LoRA 微调、P-tuning v2、Freeze 监督微调方法

当谈到人工智能大语言模型的微调技术时，我们进入了一个令人兴奋的领域。

大模型

知识树：一个方法，教你构建「终身知识体系」

你只需要记几个思维模型，而这并不需要多大的记忆量。

大模型

书生·万卷：难得的中文开源数据集

搞大模型训练，最重要的就是高质量的数据集。

大模型

改进召回（Retrieval）和引入重排（Reranking）提升RAG架构下的LLM应用效果

其基本思路就是，原有的top-k向量检索召回扩大召回数目，再引入粗排模型，这里的模型可以是策略，轻量级的小模型，或者是LLM，对召回结果结合上下文进行重排，通过这样的改进模式可以有效提升RAG的效果。

大模型

一个充满多智能体的数字社会正在浮现，商业的底层逻辑已进入重构倒计时

事实上，随着AGI技术愿景的驱动，大型语言模型将进一步重构整个互联网成为智能网络时，智能体将成为人类与智能网络，建立交互协作的一个关键，具有自主性的智能体将遍布整个智能网络，多智能体协作网络

大模型

为什么说AI现在还不行！

从这个角度可以进机器人一定是下个通用计算平台型产品。

大模型

Stable Diffusion

硬核解读Stable Diffusion（系列一）

这篇文章将介绍比较火的文生图模型Stable Diffusion（简称SD），Stable Diffusion不仅是一个完全开源的模型（代码，数据，模型全部开源），而且是它的参数量只有1B左右，大部分人可以在普通的显卡上进行推理甚至精调模型

StableDiffusion 文生图

<...37 38 39 404142 43 44 45 46 ...>

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