文章列表-AI魔法学院

文章列表

大模型应用实践：用LLaMA 2.0, FAISS and LangChain实现基于自由知识问答

介绍 LLaMA 2模型是使用2万亿个tokens和70亿到700亿参数预训练和微调的，使其成为功能强大的开源模型之一。

开源模型

RAG检索增强技术在知识库智能检索场景下的应用实践

与传统的大模型训练相比，RAG（Retrieval-Augmented Generation）方法则不需要重新训练整个大模型，而是通过外挂知识库来完成特定任务。

知识库 RAG检索增强

最受欢迎的15个ChatGPT提示词，优化给ChatGPT用户，拿走不谢

提示：我希望你充当 Midjourney 人工智能程序的提示生成器。

ChatGPT 提示词

生成式AI与大语言模型的区别

通过吸收大量的训练数据，生成式人工智能模型可以使用复杂的机器学习算法来理解模式并制定输出。

生成式AI 大语言模型区别

微信向量检索分析一体化数仓探索：OLAP For Embedding

看一个实际样例：无记忆交互：LLM 世界知识被压缩为静态参数，模型不会随着交互记住记录和喜好，也无法调用额外的知识信息来辅助判断，因此只能根据历史训练做回答，经常产生幻觉。

OLAP For Embedding 一体化数仓

九问中国大模型掌门人，万字长文详解大模型进度趋势

但我认为不用担心，整个 AI 基础设施中，除了算力本身在演进外，训练和推理过程都在持续优化。

大模型详解

Stablediffusion3论文下载-确定了Stablediffusion3与Sora的架构是一致的

在训练过程中测量视觉保真度和文本对齐度时，我们新颖的 MMDiT 架构优于 UViT（Hoogeboom 等人，2023 年）和 DiT（Peebles 和 Xie，2023 年）等成熟的文本到图像骨干

SD 论文

从0到1谈谈智能客服系统的设计与实现

检索式：检索式模型通常利用神经网络技术，将大量的预训练语料数据输入到模型中进行训练。

智能客服

爆火！腾讯开源PhotoMaker：高效地定制化生成任意风格的逼真人类照片！

· · 此外，为了驱动PhotoMaker的训练，提出了一个面向id的数据构建管道来组装训练数据。

PhotoMaker 文生图

清华智能体「XAgent」比ChatGPT4.0还好用！

识别到提供的信息不足，XAgent利用了“请求人类帮助”工具，促使人类介入以获取用户的偏好位置、预算限制、烹饪偏好以及任何饮食限制。

ChatGPT 智能体 Agent

深度好文，Agent盛行前传

第一是知识与学习（knowledge and learning），在agent角度，知识分为与生俱来的知识和后期学习的知识，与生俱来的知识需要在训练前就嵌入agent体内，为了应对最紧急的需求，比如躲避危险

Agent 大模型

垂直领域大模型的一些思考及开源模型汇总

而在专业版中，ChatLaw制定了一整套流程，如上图所示，存在反问提示进行信息补全，用户信息确认、相似案例检索、建议汇总等。

垂直领域大模型开源模型汇总

大模型压缩首篇综述来啦~

这种训练数据的增加有助于学生模型的学习过程。

大模型

大语言模型综述<演进，技术路线，区别，微调，实践，潜在问题与讨论>

在有相同数量的训练tokens的情况下，prefix decoder要比causal decoder的效果差，因为训练过程中实际用到的tokens数量要更少。

大模型

Stable Diffusion

读取大脑重建高清视频，Stable Diffusion还能这么用

因为类似这样的研究，有利于理解我们的认知过程。

stablediffusion

<...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