文章列表-AI魔法学院

文章列表

大模型检索增强生成RAG的优化

RAG工作流程（with memory）从RAG的工作流程看，能优化的模块有：文档块切分、文本嵌入模型、提示工程优化、大模型迭代。

RAG 检索增强大模型

再也不怕合照缺人，Anydoor为图片编辑开了一道「任意门」

但是这些方法对于不在训练数据内的新图象，泛化性较差，或者需要输入多个图像，在近一个小时后，才能等到生成结果。

Anydoor 文生图

Stable Diffusion

OpenAI救了Stable Diffusion！开源Dall·E3同款解码器，来自Ilya宋飏等

在热火朝天的“AI春晚”上，OpenAI一口气开源两项工作，其中之一一致性解码器，专门面向SD的VAE模型。

SD 文生图 DALLE

LangChain + ChatGLM2-6B 搭建私域专属知识库

ChatGLM2-6B 使用了 GLM 的混合目标函数，经过了 1.4T 中英标识符的预训练与人类偏好对齐训练，评测结果显示，相比于初代模型，ChatGLM2-6B 在 MMLU（

知识库

2023检索增强生成技术（RAG）研究进展

然而，无论模型的规模如何增长，它们仍受限于训练数据的质量和范围。

RAG 检索增强

图解 transformer——逐层介绍

三、矩阵维度（Matrix Dimensions）深度学习模型一次处理一批训练样本。

Transformer 大模型图解

深入浅出：大语言模型中必不可少的技术——Embedding简介

这些算法可以通过训练神经网络或使用矩阵分解等技术来学习单词的嵌入表示。

embedding

中学生能看懂：Sora 原理解读

在这个过程中，你的“指定主题”就像是文本提示，而你逐步优化草稿本的过程，就类似于Diffusion模型的工作方式。

Sora 原理

本地运行140亿参数，阿里千问玩起来！Qwen+Win11+3060

Qwen-14B是基于Transformer的大语言模型, 在超大规模的预训练数据上进行训练得到。

大模型

大模型量化：什么是模型量化，如何进行模型量化

PTQ 与 QAT 后训练量化（Post-Training Quantization, PTQ）后训练量化(PTQ)可以在没有原始的训练过程的情况下，就能将预训练的FP32模型直接转换为定点模型络

大模型

LLM每周速递！大模型最前沿：多模态RAG、RAG加速、大模型Agent、模型微调/对齐

当我们拿到开源大模型的时候，通常会与实际场景结合来对大模型做一波Post-Training，进而改变预训练模型的权重来实现LLM对齐。

大模型研究

Stable Diffusion

Stable Diffusion WebUI v1.8.0重大更新！

它是一个非常流行的深度学习框架，用于构建和训练神经网络模型。

SD 画图

斯坦福宣布前端开发要失业了？！一张截图生成代码，64%优于原网页！

直到最近，多模态LLMs的发展进入了一个新时代，大规模预训练模型可以处理视觉和文本输入，并为各种视觉基础任务生成文本输出，代表性的例子包括Flamingo、GPT-4V和Gemini。

设计转代码大模型

20%杨幂+80%霉霉=？这款“人脸拼接”的AI应用还能这么玩

它与阿里的妙鸭相机、腾讯的PhotoMaker有异曲同工之妙，只需上传一张照片，无需训练，不仅秒出各种风格的个人写真，还可以实现“人脸融合”。

InstantID 文生图

OpenAI 开源语音识别 Whisper 的使用体验怎么样？

近期，AI 领域异常热门，众多惊人且令人担忧的工具不断涌现。

生成式AI

<...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