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

「百模大战」中的国产大模型数量虽然多，但只有大约 10% 的模型是基座模型，90% 的模型是在开源模型基础上加入特定数据集做微调的行业模型、垂直模型。

大模型套壳

17岁高中生写了个神级Prompt，直接把Claude强化成了满血o1。

这一切，都是来源于那个神级Prompt。

prompt 大模型

中国大模型「顶流群聊」笔记

比如英文开源的模型在中文能力上较弱，也没有在行业场景、数据中打磨过，这恰好是创业团队的机会。

大语言模型

微软打破Decoder-Only架构！大幅降低GPU内存需求，网友：把Llama3 70B弄20GB GPU上运行

微软&清华最新研究，打破GPT系列开创的Decoder-Only架构—— 提出Decoder-Decoder新型架构，名为YOCO（You Only Cache Once）。

Decoder-Decoder YOCO 架构

Yann LeCun杨立昆最新观点：AGI不存在

LeCun还认为，如果人工智能不开源，可能会导致少数公司控制我们所有信息的情况，这将对民主构成威胁。

AGI 大语言模型观点

一文看懂RAG：大语言模型落地应用的未来

可插拔性：模块化RAG允许研究人员或开发者轻松地添加新的组件或替换现有的组件，以适应不同的任务和数据源。

rag 检索增强

Stable Diffusion

99%的人都不懂的Stable Diffusion高级功能，Negative Prompt如何正确使用?

这可能是由于算法过度拟合训练数据或缺乏细节所导致的。

Negative Prompt 文生图

TTS，一个奇妙的AI工具

但大多数人，很难一次性的流畅表达一个主题，往往需要在制作视频时加入配音。

TTS 文本转语音

活久见，世界上第一个被人类骗走钱的AI，刚刚出现了！

所谓AI，本质上就是通过模仿人类数据标注员的数据训练出来的语言模型。

Freysa 智能体

清华、面壁智能发布：主动式Agent 2.0

ProactiveAgent流程图数据收集与处理 1.

Agent 2.0 大模型

回望做大模型一年后的感悟

这两类最大的差别就是花费的资源和训练用的数据。

大模型感悟

Flowith：革新你的工作方式，体验节点式 AI 的超流畅生产力

在数字化时代，我们每天都在与海量信息打交道。

Flowith GPT 生产力工具

中国AI大模型，应该如何商业化

例如，算法偏见和歧视、数据泄露和滥用等问题时有发生，这使得一些企业在大模型应用方面持谨慎态度。

大模型 AI

2023年人工智能行业总结

二月Meta发布开源大模型Llama，三月智普发布了开源中文大模型ChatGLM！

人工智能 AGI 思考总结

2023年LLM如何入门？请看这篇综述！

其次，研究人员很难训练出有能力的LLM，因为需要大量的计算资源，而训练LLM的许多重要细节（如数据收集和清洗）也没有被公开。

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