文章列表-AI魔法学院

文章列表

微软、OpenAI大佬暗示LLM应用开发范式迁移：从Prompt Engineering到Flow Engineering

它的核心思路是，利用多次生成测试反馈迭代的方式替代原有精心构造Prompt一次性生成的方式，最终在验证集上，GPT-4的准确率（pass@5）从使用单个精心设计的Prompt的19%提高到使用

LLM 范式迁移

混合专家模型 (MoE) 详解

这意味着在相同的计算预算条件下，您可以显著扩大模型或数据集的规模。

MoE大模型

关于大模型驱动的AI智能体Agent的一些思考

、工具自主决策完成各类复杂任务，正在成为自主人工智能新的创新方向。

大模型

XX来信：智能体设计模式2：Reflection

智能体工作流不是让LLM直接生成最终输出，而是多次提示LLM，使其有机会逐步构建更高质量的输出。

Reflection 智能体

个人从零预训练1B LLM心路历程

因此，项目后期我就把收集数据的这个事情从github主页上下架了，在我的第一篇文章中，读者还是能看到“收集数据”相关的描述。

LLM 训练

摆脱 OpenAI 依赖，8 分钟教你用开源生态构建全栈 AI 应用

我们使用 LangChain 对工作流程进行编排，极大地简化了 AI 应用的开发过程。

开源模型

SD入门教程二：文生图基础用法（提示词）

在上一篇中我们了解了SD的工作原理，这篇我们来实践一下，通过提示词（prompt）的输入，让SD生成我们满意的图片。

SD prompt 文生图提示词

10个值得收藏的ChatGPT辅助编程技巧

因此，最好始终牢记这一点，因为它提供准确和最新答案的能力并不比其训练数据集的准确性和相关性更好。

编程提示词 chatgpt

检索增强生成(RAG)：LLM企业级应用落地的挑战与思考

应充分利用两种检索的优势，同时适当权衡精度和延迟等指标，为RAG系统选择最佳的检索方案： (1)可以先用更快的关键词检索获取召回候选集，再用语义检索模型重新对候选集打分排序。

大语言模型 RAG检索增强

QWen1.5: 卓越模型之路

下表提供了每个测试集的详细信息，包括其评测配置、评价指标以及所涉及的具体语言种类。

Qwen1.5 开源模型

从 GPT-4o 到 LiveKit：实时语音交互的开源实现

在人工智能技术日益普及的今天，GPT-4o 的实时语音功能吸引了大量关注。

GPT-4o 语音交互

DALL-E 3 不只是文生图！10 个案例颠覆认知

每个展位都各具特色，配有背景墙、柜台和宣传材料。

DALL-E 3 文生图

RAG 领域的新宠：为什么 AI 圈都在谈论 Jina ColBERT？

与 ColBERTv2 相比，Jina-ColBERT 在各项测试中都展现了顶尖的性能，特别在处理长文档数据集时，其表现更是显著优于 ColBERTv2。

rag 大模型

冲击传统模特，商汤发布高质量虚拟试衣Diffusion模型

本文在VITON-HD和DressCode数据集上进行了广泛的实验，并与以前的工作进行了比较，证明了我们的方法可以取得出色的性能。

文生图

一文讲明白什么是预训练、微调和上下文学习

比如说在包含数百万本书、文章和网站的数据集上预训练像 GPT-3 这样的语言模型。

大模型训练

<...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