文章列表-AI魔法学院

文章列表

麦肯锡专家都在用的方法：用ChatGPT速览用户研究领域的 50 个核心概念

Session Duration 会话时长用户在网站或应用上花费的时间

用户工作

AI提示设计技巧剖析 - 29个动词助你获取更好文本生成

如果输入文本较长，可以先使用“浓缩内容”生成概要，然后使用“释疑补缺”来补充文中存在的信息缺失或费解之处。

提示词文本

LangChain Agent 原理解析

Agent 可以看作是一个自带路由消费 Chains 的代理，基于 MRKL 和 ReAct 的基本原理，Agent 可以使用工具和自然语言处理问题。

大模型

大模型应用中大部分人真正需要去关心的核心——Embedding

; 问答（chat）机器人：这部分目前也是大模型最被人所知的应用，但chat功能我们已经有ChatGPT、Claude、文心一言、通义千问等一众产品可以用，对于大部分人来说，我们是消费者

大模型

解读OpenAI Sora文生视频技术原理

既然模拟世界，就绕不开万事万物的长程时间关联或者因果关系，非马尔可夫性不可避免会制造棘手的麻烦。

sora

2024！深入了解大语言模型（LLM）微调方法（总结）

这种方法可以同时提高模型在所有任务上的性能，避免灾难性遗忘的问题。

大模型微调

震撼科技界：清华大学与智谱AI联手，引领中文长文智能写作新纪元！

损失计算：采用token平均损失计算策略，避免长文本样本在训练中被忽略。

写作长文本

这可能是史上最全的 Python 算法集（附论文及python源码链接）

相关阅读：用动态窗口方式避免碰撞 https://www.ri.cmu.edu/pub_files/pub1/fox_dieter_1997_1/fox_dieter_1997_1.pdf 2.

算法 python

模拟ChatGPT流式数据——SSE最佳实践（附可运行案例）

对于这种对话场景，ChagtGPT 将先计算出的数据“推送”给用户，采用 SSE 技术边计算边返回，避免用户因为等待时间过长关闭页面。。

GPT

什么情况用Bert模型，什么情况用LLaMA、ChatGLM类大模型，咋选？

应该是微调训练参数调整导致的，微调初始学习率不要设置太高，lr=2e-5或者更小，可以避免此问题，不要大于预训练时的学习率。

大模型

没有思考过 Embedding，不足以谈 AI

文章是一个门外汉通过业余的研究和碎片的思考所完成，谬误之处难以避免，欢迎专业的研究人员指正。

开源模型

AI Agent / 智能体观察笔记（中）

为了解决这些问题： · 生成型智能体应该公开他们的运行机制并与价值对齐，以避免不适当的行为。

大模型

60分钟吃掉ChatGLM2-6b微调范例~

torchkeras来实现最优雅的训练循环~ 注意这里，为了更加高效地保存和加载参数，我们覆盖了KerasModel中的load_ckpt和save_ckpt方法，仅仅保存和加载lora权重，这样可以避免加载和保存全部模型权重造成的存储问题

开源模型

RAG——使用检索增强生成构建特定行业的大型语言模型

4.避免幻觉：你可能已经注意到，我上面展示的例子几乎是正确的。

大模型

【大模型微调】 Llama 2 ：对话模型的全过程微调

安全性在预训练阶段，作者对数据采取了一系列负责任的措施，排除了包含大量个人信息的特定网站，同时努力降低碳足迹，避免对人口统计学信息进行过滤。

大模型

<...40 41 42 43 44 454647 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