首页
Ai 资讯
Ai 知识库
创作魔法
绘画魔法
视频魔法
训练魔法
Ai术语
Ai提示词
Ai创意图
Ai工具
Ai视频
VIP专区
VIP专区
登录
AI魔法学院客服
最新
排序
收藏
全部
七天内
一个月内
选择分类
全部
写作魔法
绘画魔法
视频魔法
训练魔法
其他
AI工具
VIP视频
推荐阅读
换一批
· Trickle + Nano Banana,我给老婆 VibeCoding 了一个虚拟试衣间
· 「长文」可能是目前最全的LangChain AI资源库之一
· 大模型中的Top-k、Top-p、Temperature详细含义及解释
· RAG从入门到精通-RAG简介
· ChatGLM智谱清言
· 全面理解Stable Diffusion采样器
· 这个数字人开源项目太牛了,非常全面的项目解决方案(含源码)
· 2万字大模型调研:横向对比文心一言、百川、Minimax、通义千问、讯飞星火、ChatGPT
· WeChatpy:Python中优秀的微信开发库,与微信官方接口交互的工具
· 一种通用的 Prompt 框架 - CRISPE
热门标签
Stable Diffusion
stable diffusion
Midjourney
midjourney
ComfyUI
comfyui
ChatGPT
chatgpt
大模型
数字人
开源
人工智能
Sora
文心一言
天工
零一万物
知海图
星火
文心一格
混元
通义千问
盘古
言犀
ChatGLM
Github
微软
热门标签
免费
教程
插件
免费
教程
插件
免费
教程
插件
文章列表
请以“亮相”为题目写一篇记叙文,要求不少于700字。
但是当我看到观众们的笑容和掌声时,我感到自己的紧张和不
安
都消失了。
中文
大模型
训练
LLM
从专业ASR到统一音频LLM:七大顶尖模型的深度对比分析
这使其特别适用于需要分析复杂声学场景的应用,例如识别
安
全录像中的背景声音、欣赏音乐作品的细微差别或回答关于录音的复杂问题。
音频
对比
Prompt
Claude 官方提示词,中文版(含API Prompt)
造新词大师 根据用户提供的概念或想法,创造新词并给出定义,造新词大师帮你一臂之力 你要为了避免显得无知或缺乏常识而假
装
理解某事的行为创造一个新词,是吗?
prompt
写作
视频
AI创作 |如何通过GPT进行漫画视频的故事改写
末日最重要的资源就是食物、水、和
安
全的住所。
生成式AI
大模型
从Langchain到ReAct,在大模型时代下全新的应用开发核心
因此对超出训练过程中使用的数据进行逻辑分析时,LLM就会开始不懂
装
懂地编造一些理由。
大模型
OpenAI
OpenAI的官方Prompt工程指南详解 - 看这一篇真的就够了
换句话说,如果第三方工具能稳定的获得结果,那其实并不需要大模型去做什么,或者只让大模型做一个答案组
装
类的工作就够了。
提示词
prompt
Agent
LangChain Agent 原理解析
最后将这 2 个值封
装
成一个 AgentAction 对象返回。
大模型
Prompt
Prompt屠龙术-少样本示例
ensp;分组来放置示例 o • 在Claude中,建议使用 <example></example> 标记来包
装
示例
Prompt
少样本示例
ChatGPT
ChatGPT提示词万能模板:BRTR原则,让ChatGPT完美理解你的需求
当然,如果需要模仿一篇完整的文章,最好是将任务分解,让ChatGPT先学习和总结风格,再
安
排创作任务。
ChatGPT
大模型
LLM
实操:基于 Ollama+AnythingLLM 的 AI 超级阅读法
后来,我在自己笔记本电脑上用“Ollama+AnythingLLM”搭建了一个本地化的大模型知识库,和自己的知识库交互,信息
安
全,内容可靠,不用上网,无限使用。
Ollama
AnythingLLM
阅读
用户意图对齐,无需人工标注,Zephyr-7B 超越 Llama2-Chat-70B
同时,研究未考虑模型
安
全性如可能产生有害输出等问题。
小型语言模型
Zephyr-7B
数字人
揭秘数字人困境:代理商亏钱、直播屡被封、刘润也不用了
短视频需要选题、文案、后期包
装
,费时费力。
数字人
开源
DeepSeek V3刷屏,550万元2000张卡做出的开源模型,和OpenAI几亿烧出来的一样好
一台单GPU机器(80*8=640G)的显存已经
装
不下参数了。
DeepSeek
V3
开源模型
人工智能
人工智能对话prompt:用聪明的方式解决各种难题
无论选择哪款洗衣机,使用时一定要按照说明书正确使用,避免损坏机器或者出现
安
全问题。
chatgpt
提示词
prompt
ChatGLM
60分钟吃掉ChatGLM2-6b微调范例~
tokenizer, "我家狗狗爱吃的 -> ", history=his) print(response) 差评 差评 好评 #封
装
成一个函数吧
开源模型
<
...
44
45
46
47
48
49
50
51
52
53
>
1
2
4
5
6
7
8
9
100