文章列表-AI魔法学院

文章列表

第一性原理以及第一性原理是怎么帮马斯克成为首富的

大概意思是，就是回归事物本源，做什么事情要从事物的根本原理出发。

马斯克商业

高级 RAG 技术——图解概览

诸如 chroma、weavaite.io 和 pinecone 这样的向量数据库初创企业，都是在现有的开源搜索索引——主要是 faiss 和 nmslib——的基础上搭建的，并在近期加入了用于存储输入文本的额外存储空间以及其他工具

RAG 检索图解

李彦宏偏爱小模型｜AI光年

根据以上三个思路，百度发布了三款智能体开发工具AgentBuilder（零门槛的智能体开发工具

李彦宏小模型

万字长文｜40万人学习过｜28个ChatGPT使用技巧，带你从入门到精通

这些思路可能你最终都压根不会采纳，但是能给你带去启发，这能大大简化许多工作中最困难的一件事——也就是开始一项工作。

ChatGPT 使用技巧教程

Insanely Fast Whisper：超快的Whisper语音识别脚本

同时，还提到了Whisper.cpp的性能测试、4位推断性能测试、以及一个CLI工具的社区展示。

音频 Whisper

国内AI大模型已近80个，哪个最有前途？

创业几个月，发现可以比普通大厂员工拿到多很多的信息，从投资人和全球 top AI 公司的核心成员那里可以学到很多。

大模型

被高估的Pika，被低估的多模态AI

从 GPT-4V 的“惊艳亮相”，到 AI 视频生成工具 Pika 1.0 的“火爆出圈”，再到谷歌 Gemini 的“全面领先”，多模态 AI 都是其中的关键词。

大模型多模态

Github上Star数最多的大模型应用基础服务：Dify 深度解读

可以大幅简化大模型应用的开发。

Dify 大模型知识库

Python程序混淆和打包exe文件流程和方法

PyInstaller生成可执行程序 PyInstaller 工具的命令语法如下： pyinstaller 选项 Python 源文件不管这个 Python 应用是单文件的应用，还是多文件的应用

Python 程序

LLM应用架构之检索增强（RAG）的缘起与架构介绍

也正是如此，大量企业在模型争霸赛时，没有一直坚持下去，堆叠规模，而是采用了专才思路，具体看：一文探秘LLM应用开发(5)-微调(背景与挑战)，错过了人工智能的圣杯，而OPENAI坚持住了，发现了涌现，继而将我们是使用模型的方式从以

LLM

Rerank——RAG中百尺竿头更进一步的神器，从原理到解决方案

这也就是我们常说的暴力搜索，你有耐心做这么麻烦的工作吗？

RAG 检索增强

ComfyUI 基础教程（二）：文生图基础流程

一旦节点被创建并连接好，你可以点击面板右侧的工具栏中的 "Queue Prompt"，开始生成图片

comfyui 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

该工作对于指引RAG研发的工作具有一定的借鉴意义，本文对该工作进行介绍，供大家一起参考。

大模型 RAG检索增强

生成式AI与大语言模型的区别

生成式人工智能：生产创意内容让我们从生成式人工智能开始。

生成式AI 大语言模型区别

使用知识图谱提高RAG的能力，减少大模型幻觉

防止LLM产生幻觉的方法之一是使用提供事实信息的外部知识来源，如数据库或知识图谱。

RAG 大语言模型

<...39 40 41 424344 45 46 47 48 ...>

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