文章列表-AI魔法学院

文章列表

聊聊AI产品做算法备案这件事

最近很多人来问我AI算法备案这事。

工作

还在用“You are expert”这种提示词？连ChatGPT都瞧不起你，试试这些Prompt吧

要求AI请求澄清以消除歧义 3.

prompt 提示词

Qwen7b微调保姆级教程

第一轮问题是 who are you?

Qwen7b 大模型

如何使用ChatGPT进行写作

同所有工具一样，ChatGPT 需要明确的指导，通过与 ChatGPT 的对话，不断训练ChatGPT，便能使ChatGPT了解你的风格。

ChatGPT 写作

大模型应用发展的方向｜代理 Agent 的兴起及其未来（上）

AI研究者暂时将代理是否“真正”思考或拥有“意识”等问题搁置，而是通过描述代理人的其他属性来定义，如自主性、反应性、主动性和社交能力。

大模型

“大模型+机器人”的现状和未来，重磅综述报告来了！

基础模型通过在大规模数据上进行预训练，学习到了丰富的语义信息和世界知识。

论文机器人

LLM之RAG实战（五）| 高级RAG 01：使用小块检索，小块所属的大块喂给LLM，可以提高RAG性能

在一个大的文本块中有很多填充文本，导致文本块的语义可能不明显，导致检索更差。

RAG 检索

主流向量数据库一览

简单下个定义，因为喂给Transformer的知识首先需要做embedding，所以用于存储embedding之后数据的数据库即可称为向量数据库。

向量数据库

腾讯的 PhotoMaker - 更快更像更可控的 AI Avatar

它主要通过堆叠ID嵌入方式编码任意数量的输入ID图像，以保留ID信息。

PhotoMaker 文生图

应用编排的未来是Pipeline，LlamaIndex开发预览版推出Query Pipeline，提升应用开发的灵活性

传统做法是固化召回，粗排，精排等环节，形成标准的推荐系统处理流程，虽然有利于行业内交流沟通，但这样的方式，在实际生产环境下往往难以快速应对差异化的需求且人为导致模块的割裂及维护的困难，而笔者曾开源了一个

Query Pipeline 大模型

Langchain中改进RAG能力的3种常用的扩展查询方法

LLM将根据用户查询生成更通用的问题。

检索增强生成 Langchain

AI Agent / 智能体观察笔记（下）

方案的核心思路是通过基于先前任务的结果和预定义的目标创建新任务。

大模型

完整ChatGLM3部署教程，支持手机和车载平台部署

在语义、数学、推理、代码、知识等不同角度的数据集上测评显示，ChatGLM3-6B-Base 具有在 10B 以下的基础模型中最强的性能。

ChatGLM3 大模型

生成式AI工作流#产品经理和创业者的秘密武器

通过这种方法，团队成员能直观地理解产品的最终呈现效果，方便地讨论问题并形成共识，从而保证最终交付的产品体验与预期保持一致。

AIGC 工作流

Whisper对于中文语音识别与转写中文文本优化的实践(Python3.10)

这里通过prompt对其进行引导，通过逗号、句号以及感叹号对文本标注，引导后的效果： Erwin_0.wav|Erwin|ZH|如果这个作战顺利。

Whisper 语音优化

<...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