文章列表-AI魔法学院

文章列表

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

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

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

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

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

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

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

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

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

大模型业务应用中数据准备的要求、难点及解决思路

这部分数据的准备依靠常识或简单规则即可完成，业务专家不需要参与，或者只需制定标注规则即可，具体的数据准备工作可以由数据管理组织和标注服务团队承担。

大模型

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

MindChat心理大模型

无论是在工作场景还是在个人生活中, MindChat期望通过心理学专业知识和人工智能大模型技术, 在严格保护用户隐私的前提下, 全时段全天候为用户提供全面的心理支持和诊疗帮助, 同时实现自我成长和发展

心理大模型

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

Prompt全攻略(三):提升Prompt效果的技巧指南

本文将从AI产品专家的角度,给出10个提升Prompt效果的具体策略建议。

prompt

聊聊我对AI Agents技术的一些看法

▲基于大模型的科研智能体架构基于类似这样自主科研智能体的形形色色的大模型垂直领域的 AI Agent 论文或工作，也是在四月份，清华大学瞄准“大模型使用工具”，发布了一篇“工具学习综述”：《清华发布工具学习框架

AI Agents 大模型

<...40 41 42 434445 46 47 48 49 ...>

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