文章列表-AI魔法学院

文章列表

大模型套壳祛魅：质疑套壳，理解套壳

从年初到年末，从百度文心一言到零一万物，从字节跳动到谷歌 Gemini，各种「涉嫌套壳」的事件屡次冲上热搜，随后又被相关方解释澄清。

大模型套壳

炸裂！百川开源第1个7B多模态大模型 Baichuan-Omni | 能够同时分析图像/视频/音频/文本

这种方法使语言模型能够有效地处理视觉和音频数据。

Baichuan-Omni 多模态大模型

分析过688篇大模型论文，这篇论文综述了LLM的当前挑战和应用

LLM 行为方面的挑战发生在部署阶段。

开源模型

大模型：泛化即智能，压缩即一切！

那么怎样以最简单方式提高模型泛化能力呢？

泛化大模型

Github上Star数最多的大模型应用基础服务：Dify 深度解读

服务会包含如下所示的功能模块：文件加载的支持；文件的预处理策略；文件检索的支持；检索结果的重排；大模型的处理；因为 RAG 服务只是 Dify 中的一个基础模块，官方没有过多强调

Dify 大模型知识库

你要牢记的四个常用AI提示词框架：ICIO、CRISPE、BROKE、RASCEF，有助于获取更加稳定和高质量的内容

ensp; 😊 Capacity and Role (角色) ：告诉 AI 你要他扮演的角色，比如老师、翻译官等等

大模型提示词

Stable Diffusion

这篇深入浅出帖助你早日实现Stable diffusion自由

我们可以把自己想象成一个无情的甲方，向AI沟通你的需求、AI需要改进的地方。

AI图片

2024，智谱如何更快？

指令跟随能力上，和 GPT-4 相比，IFEval在Prompt提示词跟随（中文）方面达到 88% 水平；在指令跟随（中文）方面，达到 90% 水平。

GPT-4 大语言模型

24年首篇离奇论文：加点噪声，RAG效果翻倍？

然而，大多数关于RAG系统的研究主要集中在语言模型的生成方面，而忽略了IR组件的作用。

RAG 检索增强

确实很神奇! 通过 Prompt 中加入“这件事对我的事业至关重要”这样的情感激励可以提升 LLMs 的表现

理解和回应情绪暗示使人类在解决问题方面具有明显的优势。

Prompt 大模型情感激励

基于大模型（LLM）的Agent 应用开发

目前，业界一般认为基于大模型的应用集中在两个方向上：RAG 和 Agent，无论哪一种应用，设计、实现和优化能够充分利用大模型(LLM)潜力的应用都需要大量的努力和专业知识。

大模型 Agent

真格基金大模型能力测试问题集---基础篇

作为早期投资人，我们经常需要试用和评估新发布的对话式 AI 产品，其中比较常用的方式是通过一些 Prompts，将它们与标志性的 ChatGPT 的输出结果进行直观的横向对比。

大模型训练中文

依赖倒置：以数字和AI的思维模式思考

是我们的大脑加上眼睛、鼻子、耳朵所定义的抽取世界信号的方式。

写文章

PDFTriage:面向长篇结构化文档的问答

我们将我们的方法与现有的问答技术(如页面检索和块检索)进行了比较,以展示我们方法的优势。

大语言模型 PDF 文档

AI+智能客服：大模型可落地的最成熟场景之一

不过官方表示，当前数据问答支持最多3张表关联查询。

ai 客服

<...42 43 44 454647 48 49 50 51 ...>

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