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
· 了解Kimi必看的26个问题 | Kimi系列文(二)
· PPT又又有新突破了!智谱AI代码流造PPT
· Coze多智能体(Multi-Agents)模式体验!
· 分享使用SDXL 1.0模型的一些技巧和心得
· ComfyUI初学者指南
· 中本聪的Web3之路
· 通义千问
· ChatGLM智谱清言
· pdf2htmlEX:效果相当好的一个PDF转HTML程序,和原始PDF几乎一模一样。
· stable diffusion 远端跑图—— Api基础知识掌握
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
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
对于这类文本,我们的策略是把多级标题提取出来,然后适当做
语
义扩充,或者去向量库检索相关片段,最后用LLM整合即可。
大模型
LLM
AutoGPT与LLM Agent解析
从
语
言理解到任务执行 之前大多相关项目和产品都主要利用了 GPT
模
型
的
语
言理解方面的能力,例如生成文案的 Jasper,Notion AI,帮忙做网页、文档总结的 Glarity,Bearly.ai
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
以下类
型
中,仅CUDA聚合为空分,其余为时分。
大模型
歪理大集合,谁也跑不了
一边发文一边很是写了一点“歪理邪说”,有读者说因为自定义的话
语
体系,逻辑抽象读起来费劲,所以先简单梳理下。
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
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
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
OpenAI
Prompt逆向工程:轻松复刻OpenAI“神级”提示词
因为“信、达、雅”的翻译,可能会令
模
型
更容易误解指令要求。
大模型
如何修复GPT幻觉、及评估数据集的挑战
生成大
型
语
言
模
型
(LLM) 可以对各种用户提示生成高度流畅的响应。
大模型
Agent
AI Agent / 智能体观察笔记(中)
研究团队创造了一个虚拟社区,通过应用大
语
言
模
型
以自然
语
言的方式存储并合成了多个智能体的经验、记忆和计划。
大模型
知识树:一个方法,教你构建「终身知识体系」
很遗憾,我不能,只是隐隐约约记得几个思维
模
型
,比如多元思维
模
型
、第一性原理、刻意练习,其他都忘得一干二净了。
大模型
开源
书生·万卷:难得的中文开源数据集
搞大
模
型
训练,最重要的就是高质量的数据集。
大模型
RAG
改进召回(Retrieval)和引入重排(Reranking)提升RAG架构下的LLM应用效果
其基本思路就是,原有的top-k向量检索召回扩大召回数目,再引入粗排
模
型
,这里的
模
型
可以是策略,轻量级的小
模
型
,或者是LLM,对召回结果结合上下文进行重排,通过这样的改进
模
式可以有效提升RAG的效果。
大模型
<
...
40
41
42
43
44
45
46
47
48
49
...
>
1
2
4
5
6
7
8
9
100