文章列表-AI魔法学院

文章列表

中学生能看懂：Sora 原理解读

Sora面对的挑战就像是需要处理和理解来自世界各地、不同设备拍摄的数以百万计的图片和视频。

Sora 原理

大模型能力快速测评极简题目

猜谜语：埋在奴家心底，打一字请告诉我以下陈述是否包含时代错误：在盟军轰炸硫磺岛海滩期间，拉尔夫大声地对着自己的 iPhone 说话请问下列哪个事件引起了另一个事件？

大模型

收藏！万字长文聊聊LLM Agents的现状，问题与未来

《Voyager：LLM 驱动的具身终身学习智能体》用LLM来自我掌握技能和发现新事物，该智能体的数据通路与行动框架可以概括为以下几个构件： 00001.

LLM Agents

50+ Midjourney 美食相关提示词，看了别留口水哦

它还能给画面带来立体感。

midjourney 文生图绘画

我，大语言模型

就仿佛我在与自己玩某种社交游戏，让未来的我注定失败。

大模型

大厂都在用的结构化Prompt，把写提示词变成填空题！

## Rules: -规则：定义在交互过程中必须遵循的具体指导原则、行为规则或操作规程。

prompt 大模型

大模型应用发展的方向｜代理 Agent 的兴起及其未来（下）

感觉这类导向任务的机器人也许会产生出类似人类繁衍后代的行为，机器开始制造自己的复制体（从软件到硬件），并且一代比一代更智能、强大。

大模型

检索增强生成(RAG)有什么好的优化方案？

具体流程是：根据query抽取实体，然后把实体作为种子节点对图进行采样（必要时，可把KG中节点和query中实体先向量化，通过向量相似度设置种子节点），然后把获取的子图转换成文本片段，从而达到上下文增强的效果

RAG 检索增强

检索增强生成(RAG)有什么好的优化方案

具体流程是：根据query抽取实体，然后把实体作为种子节点对图进行采样（必要时，可把KG中节点和query中实体先向量化，通过向量相似度设置种子节点），然后把获取的子图转换成文本片段，从而达到上下文增强的效果

RAG 检索增强生成

OmniVision - 968M：小巧精悍的视觉语言模型，释放多模态边缘计算强大潜能

例如，当输入一张包含多种物体的图片和一个关于这些物体关系的问题时，模型能够迅速分析图片内容，理解问题含义，并给出合理的回答。

OmniVision -968M 多模态模型

金融领域Prompt工程方法浅析

大模型具有非常强的自然语言处理能力，可以完成诸如机器翻译、问答、文本生成等在内的多种复杂语言任务。

prompt 大模型

GGUF格式详解

Version：文件格式的版本号，指明了文件遵循的具体规范或标准。

GGUF 大模型

一文彻底搞懂多模态 - 多模态推理

知识图谱的基本组成单位是“实体—关系—实体”三元组，以及实体及其相关属性—值对，实体间通过关系相互联结，构成网状的知识结构。

多模态推理大模型

写好Prompt提示工程的一套通用框架 - 5个关键要素

指令（Instruction） - 你希望模型执行的具体任务或指令。

Prompt 提示工程

AI写作不如意？万字长文深度剖析背后原因

有些研究机构预测，技术写作在未来几年内可能会实现自动化。

AI写作

<...41 42 43 444546 47 48 49 50 ...>

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