文章列表-AI魔法学院

文章列表

我为什么不看好大模型行业

尽管很难说大模型行业已经出现性能过剩，但局部过剩是可能的。

大模型

忘掉 RAG，未来是 RAG-Fusion！搜索的下一个前沿：检索增强生成遇上倒数排名融合和生成查询

人类搜索效率低下：人类在向搜索系统输入他们想要的内容时并不擅长，如打字错误、含糊的查询或词汇有限，这常常导致错过那些超出显而易见的顶部搜索结果的大量信息。

RAG-Fusion 检索增强

微软Phi-3、Mixtral 8x22B等小模型过拟合，三分之二存在数据污染

这强烈表明，过拟合的主要原因是模型部分背出了 GSM8k 中的样本。

过拟合小模型

RAG超参数调优食用指南

随机搜索在随机搜索中，仅尝试部分参数值。

rag 大模型

万字长文震撼来袭！揭秘Transformer——吐血解读自注意力机制的革命性突破

Transformer遵循这种总体架构，使用堆叠的自注意力机制和逐点、全连接层，分别用于编码器和解码器，如图1的左半部分和右半部分所示。

Transformer 大模型

来自OpenAI应用研究主管关于Agent的万字长文-AI Agents介绍

在给定源策略的部分历史训练数据的条件下，AD的改进速度也比ED基线多。

Agent

RAG 2.0，终于把RAG做对了！

作为提示工程过程的一部分，你还想调整模型将如何响应。

RAG 大语言模型

提升GPT Prompt效果最佳实践 - 拆解复杂任务

当输入内容的大小达到预定的阈值长度时，则触发对部分对话内容的总结，同时总结后的会话摘要可以作为系统提示信息的一部分。

GPT prompt

大模型应用设计的10个思考

4 避免脆弱性，摒弃硬编码在构建任何系统时，一个不可忽视的事实是，系统的整体强度往往由其最脆弱的部分决定。

大模型应用

史上最好的中文大预言模型出现了！！！

国内头部大模型百度，阿里，清华，kimi，华为（没评测），剩下的只能归类到其他。

Kimi Chat 大模型

图解 transformer——逐层介绍

一、overview 在第一部分，已经介绍过 Transformer 的整体架构： 1.

Transformer 大模型图解

金融行业中 Fintech 的应用场景

从业务角度的话, 还会分成增量的部分, 存量的部分。

Fintech 金融

懒人福音！用AI生成会议纪要，让你的工作更高效！

我们点击刚才上传的音频，这里我们看到他已经转录成功了，并且自动给我们做了全文概要，点击查看全部可以看到全部的摘要。

会议纪要 AI工具

AI写作：爆款选题公式+Prompt指令，手把手教你写赚钱的公众号流量主文章

比如，一个热点事件大部分文章写的富人这个角度，我们可以从穷人的角度来写文章。

prompt 写作

如何修复GPT幻觉、及评估数据集的挑战

3.合并外部知识源以改进答案验证。

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