首页
Ai 资讯
Ai 知识库
创作魔法
绘画魔法
视频魔法
训练魔法
Ai术语
Ai提示词
Ai创意图
Ai工具
Ai视频
VIP专区
VIP专区
登录
AI魔法学院客服
最新
排序
收藏
全部
七天内
一个月内
选择分类
全部
写作魔法
绘画魔法
视频魔法
训练魔法
其他
AI工具
VIP视频
推荐阅读
换一批
· 赛博牛马,智谱 AI,悄悄出了一个 AI PPT
· PPT又又有新突破了!智谱AI代码流造PPT
· 不会PS也能做神图?豆包AI绘画全解析,让你的创意秒变艺术品!
· Ollama 与 Dify:AI 应用开发的强强联合
· Stable Diffusion AnimateDiff | 最稳定的基于文本生成视频的方法!
· ComfyUI的特性以及安装流程
· 最强开源数字人对口型系统介绍
· 掌握 Midjourney 提示词技巧成为 25 个流派的摄影大师
· 数字人之声音克隆:无样本,1分钟样本完美克隆声音,开源
· 让AI帮你读财报:Reportify让你看得清、聊得深
热门标签
Stable Diffusion
stable diffusion
Midjourney
midjourney
ComfyUI
comfyui
ChatGPT
chatgpt
大模型
数字人
开源
人工智能
Sora
文心一言
天工
零一万物
知海图
星火
文心一格
混元
通义千问
盘古
言犀
ChatGLM
Github
微软
热门标签
免费
教程
插件
免费
教程
插件
免费
教程
插件
文章列表
开源
玩一玩阿里通义千问开源版,Win11 RTX3060本地安装记录
这应该是国内第一个大厂开源的大语言
模
型吧。
大模型
ChatGLM
从0到1基于ChatGLM-6B使用LoRA进行参数高效微调
以下是我们目前发现的一些问题: ·
模
型容量较小:6B 的小容量,决定了其相对较弱的
模
型记忆和语言能力
大模型
Meta
学术党狂喜,Meta推出OCR神器,PDF、数学公式都能转
该
模
型不需要任何 OCR 相关输入或
模
块,文本由网络隐式识别。
大模型
LLM
ChatPDF | LLM文档对话 | pdf解析关键问题
而Paddle的
模
型比较小,效果也还行。
大模型
LLM
AutoGPT与LLM Agent解析
典型的 ReAct prompt
模
型记忆 另外一类非常常见的
模
式是通过外部存储来增强
模
型记忆。
大模型
企业
为什么说数智化可以帮助中小企业降本增效 ?
数智化肯定可以帮助所有规
模
的企业,包括大型企业和中小企业,实现降低成本和提高效率的目标。
大模型
盘点来自工业界的GPU共享方案
cGPU实现了一个内核
模
块cgpu_km,该
模
块可以对一个物理GPU虚拟出16个虚拟GPU设备。
大模型
歪理大集合,谁也跑不了
只有这样才能把大
模
型的通用能力投射出来。
大模型
开源
AI开源 - LangChain UI 之 Flowise
一、Flowise 简介 Flowise 是一个为 LangChain 设计的用户界面(UI),使得使用 LangChain 变得更加容易(低代码
模
式)。
大模型
LLM
从思维链(CoT),到思维树(ToT),再到思维图(GoT):用LLMs解决复杂问题!
,大型语言
模
型正逐步替代原有的私域自然语言
模
型,并在实际应用获得了不错的成果。
大模型
开源
14.4K Star,一款漂亮、快速、现代化的开源免费UI组件库
它有以下几点核心特性: · 可个性定制:NextUI提供了插件的
模
式来定制主题,你可以更改所有的语义标记以创建一个全新的主题
大模型
开源
「Agent」通俗易懂地聊聊AI Agent(附66个开源+44个闭源Agent项目)
先说明一个事实:像ChatGPT这样的AI大语言
模
型不仅仅是和聊天机器人有关,AI Agent和人类文明
模
拟的AI
模
型正在编译着我们文明的本质!
大模型
ChatGPT
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。 有了这样的研究支持,我就可以放心用 ChatGPT 来做文本分析了。公司的用户反馈分类没法展示出来,需要找寻另外可用的分类文本。这个分类任务不能太简单,不然没意思,同时,分析出来的东西还要比较有趣,能有点用最好了。 最终,我选择了让 ChatGPT 来对微信公众号的文章标题进行分类,看一下那些 10w+ 文章的标题都是怎么吸引人的。
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
RAG
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
<
...
38
39
40
41
42
43
44
45
46
47
...
>
1
2
4
5
6
7
8
9
100