文章列表-AI魔法学院

文章列表

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

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

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

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

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

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

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

AIGC系列之一-一文理解什么是Embedding嵌入技术

Embedding的目标是在大数据中体现相关性的主体，通过Embedding向量表征学习到主体的向量信息，使用向量度量公式也能体现出主体间的相关性。

AIGC Embedding 嵌入技术

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

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

中文OCR超越GPT-4V，参数量仅2B，面壁小钢炮拿出了第二弹

今年 2 月 1 日，面壁智能发布的第一代 2B 旗舰端侧大模型 MiniCPM，不仅超越了来自「欧洲版 OpenAI」Mistral 的性能标杆之作，同时整体领先于 Google Gemma

MiniCPM 大模型

花钱买AI写作工具？究竟哪款工具值得你掏钱

用不上GPT4，他们提升的体验对我来说就毫无价值！

写作 ChatGPT

重磅来袭！Llama中文社区开源预训练中文版Atom-7B大模型

Llama中文社区联合AtomEcho（原子回声）重磅发布基于Llama2的中文预训练大模型：原子大模型 Atom-7B | Atom-7B 介绍目标泛智能体大模型不同原子有不同的特性

大模型

<...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