文章列表-AI魔法学院

文章列表

LLM之RAG实战（五）| 高级RAG 01：使用小块检索，小块所属的大块喂给LLM，可以提高RAG性能

RAG（Retrieval Augmented Generation，检索增强生成）系统从给定的知识库中检索相关信息，从而使其能够生成事实信息、上下文相关信息和特定领域的信息。

RAG 检索

AI写作：如何用AI一键提炼文章要点，10倍提效（含提示词）

第四步要尝试应用，想一想如何把读到的东西应用到实际生活当中。

AI写作提示词

中文OCR超越GPT-4V，参数量仅2B，面壁小钢炮拿出了第二弹

，在 OCR（光学字符识别）这一多模态识别与推理能力的硬性指标上，MiniCPM-V 2.0 更有亮眼的表现，在精准识别图片中物体的同时，对包括古文字在内的文字符号的识别迎来了史诗级加强。

MiniCPM 大模型

通俗易懂地解释OpenAI Sora视频生成的特点有哪些？它与此前的Runway Gen2、Pika有什么区别？以及缺点是什么？

有很多童鞋似乎对这些问题依然有疑问，本文将以通俗的语言解释Sora的独特之处。

sora 视频生成

基于 Kimi Chat 的 AI 渐进式阅读法

但我并不会为此感到焦虑，这些文章成了一个经过我筛选的“图书馆”，当我需要的时候，我可以在里面找到自己想要的文章进行阅读。

Kimi Chat 阅读

语音克隆又又又又又升级了

之前在前面的文章中有介绍，克隆你的声音，只需要你三秒的录音，声音克隆又进化了！

Meta 语音生成

实现聊天机器人打字机形式输出内容：SSE原理介绍及Post实现方式

this.eventSource.onerror = (event) => { that.eventSource.close(); }; //处理服务器响应报文中的自定义事件

大模型

终极福利：15个中文AI写作提示词帮你覆盖所有主流写作场景！！

01文章标题生成HEADLINES Prompt 1 通用标题党生成器根据给定的主题或内容｛｛主题｝｝，请使用你的创造力和想象力，生成｛｛数量

写文章提示词

深度对比丨探索LLM（大模型）部署服务的七大框架差异

研究 vLLM、文本生成推理、OpenLLM、Ray Serve 等框架。

大模型

有了 DALL-E 3，从此自己设计T恤 (附30个提示词模板)

提示词：宽幅矢量设计印在[你的颜色] T恤上，图案为[你的植物]的粗体植物插图，并配有"[你的文字]"文字。

DALL-E T恤设计

最详细的文本分块(Chunking)方法——可以直接影响基于LLM应用效果

这个真正难题我在前面的文章中《一些LLM的声音总结》中提到过，基于大模型的企业应用中很大一部分需求就是RAG——检索增强生成。

RAG 大模型

Giraffe：世界上第一个商业可用的32K长上下文开源LLM（基于Llama-2）

概述我们进行了各种各样的实验，试图延长模型的上下文长度。

开源模型

7个有用的Prompt参数

它是一个短语、问题、句子或段落，用来引导模型生成相关的响应或文本。

prompt

元象首个多模态大模型 XVERSE-V 开源，刷新权威大模型榜单，支持任意宽高比输入

人类获取的信息83%来自视觉，图文多模态大模型能感知更丰富和精确的真实世界信息，构建更全面的认知智能，从而向AGI（通用人工智能）迈出更大步伐。

XVERSE-V 多模态大模型

从零开始了解AI大模型 - 技术篇：万字深度好文人话说大模型技术

训练数据可以是文本、文本-图像对或文本-视频对。

大模型

<...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