文章列表-AI魔法学院

文章列表

24年首篇离奇论文：加点噪声，RAG效果翻倍？

本研究通过对各种元素进行评估，如文档的相关性、位置和数量等，发现包括不相关文档可以意外地提高准确性超过30％，这与我们的初始假设相反。

RAG 检索增强

RAG——使用检索增强生成构建特定行业的大型语言模型

微软如何解决这个问题在微软的Build会议中，他们在向量搜索不够用[5]这个主题中，阐述了他们的产品如何将较少的上下文感知的大型语言模型与向量搜索结合起来，以创造更具吸引力的体验。

大模型

Falcon 180B 开源影响了谁？

在另一位受访者看来，Falcon似乎想要成为参数、性能、实用落地的难易程度均衡的“六边形战士”，之前的Falcon 40B的表现超过了65B的LLaMA，而且所需的显存也低于LLaMA 65B。

大模型

开源语音大语言模型来了！阿里基于Qwen-Chat提出Qwen-Audio!

以前关于遵循指令的工作主要是通过继承大型（多模态）LLMs的能力，采用轻量级的监督微调来激活模型的能力以与用户意图对齐。

大模型语音

吴恩达老师建议大家关注 AI 智能体工作流

这好比要求一个人一气呵成地写完一篇文章，不允许回退修改，却期望文章能达到高质量。

智能体大语言模型

基于大模型（LLM）的Agent 应用开发

目前，业界一般认为基于大模型的应用集中在两个方向上：RAG 和 Agent，无论哪一种应用，设计、实现和优化能够充分利用大模型(LLM)潜力的应用都需要大量的努力和专业知识。

大模型 Agent

开源大语言模型完整列表

开源 LLM 通义千问-7B —— 基于 Transformer 的大语言模型通义千问 - 7B（Qwen-7B）是阿里云研发的通义千问大模型系列的 70 亿参数规模的模型。

开源模型大语言模型

HalluQA: 测测中文大模型有没有一本正经胡说八道

InstructGPT, GPT-4, Llama-2的实验中都包含了在TruthfulQA上的实验结果来作为模型在幻觉维度的一个衡量。

大模型中文大模型幻觉

RAG检索增强技术在知识库智能检索场景下的应用实践

• 数据隐私保护：在处理敏感数据时，RAG可以设计为不直接访问原始数据，而是通过检索已经脱敏或处理过的信息，以保护用户隐私。

知识库 RAG检索增强

大模型时代-行业落地的再思考

· 领域知识库加上通用大模型，针对通用大模型见过的知识比较少的问题，利用向量数据库等方式根据问题在领域知识库中找到相关内容，再利用通用大模型强大的summarization和qa的能力生成回复

大模型

投资人逃离大模型

通义千问具备强大的语言理解、生成和推理能力，支持多语言对话和图片文本识别，广泛应用于智能搜索引擎、问答系统和智能对话系统等领域，参数规模从18亿到720亿不等。

大模型

大模型落地“诸神之战”，场景玩家先杀出重围了

在总部后台，可以进行线上线下全链路效果数据监测，更加精准定位问题、总结经验，从而让门店获客更容易、提升流量。

大模型文生图

「长文」可能是目前最全的LangChain AI资源库之一

通过拉取请求添加链接或创建问题开始讨论。

工作

大模型应用发展的方向｜代理 Agent 的兴起及其未来（下）

一些方法将空间数据和物品位置关系直接作为模型的额外输入，以提供代理在交互过程中对全面的情景信息的访问。

大模型

Prompt全攻略(四):强力Prompt带来出色的AI应用

通过探索这些Prompt应用的奥秘,你将开启ChatGPT这一AI系统强大而丰富的应用潜力,将其打造成思维敏捷的创意助手、富有同理心的智囊团队、思路清晰的内容架构师,实现前所未有的工作效率与产出质量。

prompt

<...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