文章列表-AI魔法学院

文章列表

最详细的文本分块(Chunking)方法——可以直接影响基于LLM应用效果

例如，如果您的数据是从web爬取的，您可能需要删除HTML标记或特定的元素，保证文本的“纯洁”，减少文本的噪音。

RAG 大模型

Python状态机：优雅处理复杂业务逻辑的利器

状态机测试为状态机编写完整的单元测试非常重要： import unittest class TestOrderStateMachine(unittest.TestCase

Python状态机设计模式

宁德核电推出全球参数量最大的核工业大模型｜InfoQ 独家

开发经验反馈数字工程师，利用大语言模型的理解能力，自动筛选有价值的偏差单，准确率达到 98% 以上，原本需要 5 个人一天的工作内容，现在只需要一个人 3 分钟即可完成，每年节省人力成本超过 200 万元，

宁德核电大模型

大模型压缩首篇综述来啦~

这种方法通过将低于阈值的参数置零的方式对个别权重或神经元进行处理。

大模型

在飞速发展的时代管理AI风险

最紧迫的审查应该集中在前沿的AI系统上：少数最强大的AI系统——在价值十亿美元的超级计算机上训练——它们将具有最危险和不可预测的能力。

人工智能伦理

美的数字化转型10年，方洪波的反思。作为领导者的高瞻远瞩与宽广胸襟！

我们的核心是要加大对这个集团的管控，因为我们整个集团的发展，业务的结构越来越多元，差异性很大。

工作

基于大模型（LLM）的Agent 应用开发

Autogen的核心特性：可定制的Agent AutoGen 中的Agent具有由 LLM、人工、工具或这些元素混合启用的功能。

大模型 Agent

【2023.10】看目前巨头的AI原生产品布局

文档提供了数据的元数据、数据库提供实时数据。

大模型产品

一个产品经理的大模型观察、反思与预测

ensp; 预训练参数粗略数量级：Meta 650亿模型，2000 个 GPU、训练21 天、花费500万美元

工作

手把手！做Llama3的MoE专家混合模型！底层原理怎样的？做自己的MoE模型？需要多少算力？

torch.randn 函数会创建一个张量，其中的元素是从标准正态分布（均值为0，方差为1）中随机抽取的。

MoE 专家混合模型

深度解读｜做出海必看的一份产品报告

这使其能够以新的方式切割数据，包括查看当产品从零收入扩展到超过 2000 万美元的年度经常性收入（ARR）的时候公司组织结构的演变。

工作

开源大模型部署及推理所需显卡成本必读：也看大模型参数与显卡大小的大致映射策略

以下是计算模型推理时所需显存的一些关键因素：模型结构：模型的结构包括层数、每层的神经元数量、卷积核大小等。

开源模型

2023检索增强生成技术（RAG）研究进展

非结构化数据可能是文本段落、短语或单词；而结构化数据则可能是已经建立好索引的文档、数据三元组或是数据子图。

RAG 检索增强

冲击传统模特，商汤发布高质量虚拟试衣Diffusion模型

本文旨在将人物图像和服装图像合成为一个真实且可信的图像，保留人物属性和服装元素。

文生图

阿里&字节发表VividTalk，只需单张照片即可根据音频生成栩栩如生的人物说话头像视频

然后，我们使用一个元素量化函数q(·)来得到zq，将Z´中的每一项Z´映射到它最近的码本条目Z k：最后，基于Z q，由解码器D给出重构的相对头部位姿

VividTalk 视频

<...38 39 40 41 42 43 444546 47 >

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