文章列表-AI魔法学院

文章列表

AutoGPT与LLM Agent解析

这类项目绝大多数的主要创新还是在 prompt 层面，通过更好的提示词来激发模型的能力，把更多原先需要通过代码来实现的流程“硬逻辑”转化为模型自动生成的“动态逻辑”。

大模型

歪理大集合，谁也跑不了

出处：寻找智能飞轮：从数据枯竭到多模态再到自生成智能飞轮智能飞轮是什么呢？

大模型

AI开源 - LangChain UI 之 Flowise

一、Flowise 简介 Flowise 是一个为 LangChain 设计的用户界面(UI)，使得使用 LangChain 变得更加容易（低代码模式）。

大模型

从思维链(CoT)，到思维树(ToT)，再到思维图(GoT)：用LLMs解决复杂问题！

使用 GoT可以通过构造具有多个传入边的顶点来聚合任意想法。

大模型

14.4K Star，一款漂亮、快速、现代化的开源免费UI组件库

它有以下几点核心特性： · 可个性定制：NextUI提供了插件的模式来定制主题，你可以更改所有的语义标记以创建一个全新的主题

大模型

「Agent」通俗易懂地聊聊AI Agent（附66个开源+44个闭源Agent项目）

很多人也是说大模型都没搞明白，又来了个AI Agent…但是别担心Agent目前也是在起始阶段。

大模型

感受恐惧的力量：用 ChatGPT 分析288 篇 10w+ 公众号文章标题的情感分布

上一篇文章中，我介绍了一篇研究 ChatGPT 做定性研究质量如何的文章，结果发现 ChatGPT 做文本分类的质量与人类一致。有了这样的研究支持，我就可以放心用 ChatGPT 来做文本分析了。公司的用户反馈分类没法展示出来，需要找寻另外可用的分类文本。这个分类任务不能太简单，不然没意思，同时，分析出来的东西还要比较有趣，能有点用最好了。最终，我选择了让 ChatGPT 来对微信公众号的文章标题进行分类，看一下那些 10w+ 文章的标题都是怎么吸引人的。

大模型

Langchain的一些问题和替代选择

Langchain因其简化大型语言模型(llm)的交互方面的到关注。

大模型

LangChain: LLM 应用聚焦的两大方向，RAG 和 Agents

接入的方式也大同小异，首先检索外挂数据源中与用户给出的上下文相关的内容，合并之后做 embedding 给到所用的 llm ，最后由 llm 根据模型自己的认知，做出回答。

大模型

Prompt逆向工程：轻松复刻OpenAI“神级”提示词

有关逆向工程的更多信息和趋势，可以参考我之前的文章。

大模型

如何修复GPT幻觉、及评估数据集的挑战

就法学硕士而言，它需要在坚持模型从训练数据中学到的知识和生成更多样化或创造性的响应之间取得平衡。

大模型

AI Agent / 智能体观察笔记（中）

研究团队创造了一个虚拟社区，通过应用大语言模型以自然语言的方式存储并合成了多个智能体的经验、记忆和计划。

大模型

四种微调技术详解：SFT 监督微调、LoRA 微调、P-tuning v2、Freeze 监督微调方法

预训练 SFT的旅程始于对大型语言模型进行预训练，这通常在大规模未标记的文本数据上进行。

大模型

知识树：一个方法，教你构建「终身知识体系」

很遗憾，我不能，只是隐隐约约记得几个思维模型，比如多元思维模型、第一性原理、刻意练习，其他都忘得一干二净了。

大模型

改进召回（Retrieval）和引入重排（Reranking）提升RAG架构下的LLM应用效果

其基本思路就是，原有的top-k向量检索召回扩大召回数目，再引入粗排模型，这里的模型可以是策略，轻量级的小模型，或者是LLM，对召回结果结合上下文进行重排，通过这样的改进模式可以有效提升RAG的效果。

大模型

<...43 44 45 464748 49 50 51 52 ...>

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