文章列表-AI魔法学院

文章列表

忘掉 RAG，未来是 RAG-Fusion！搜索的下一个前沿：检索增强生成遇上倒数排名融合和生成查询

结构化输出易于阅读，直观上可信赖，这在对人工智能生成内容持怀疑态度的世界中至关重要。

RAG-Fusion 检索增强

企业数字化转型的“阿里阿德涅之线”在哪？

因此，为了实现终端统一管理和外设兼容性，H3C联合英特尔做了桌面云方案，能够提升门诊终端的稳定性，并且支持多合一读卡器、语音叫号器、二维码扫描器、高拍仪、小票打印机、POS 机等常用外设，做到信息的拉通对齐

大模型用户

大语言模型微调：定制自己的微调数据集

因此本文将从微调数据集的格式、基本处理方法，以及构建方式角度出发，分析近期开展的相关研究，旨在帮助读者了解微调数据集相关技术的进展。

大模型

ChatGPT 技巧 | Prompt 逆向工程

但你只要想象一个「诱骗涉世未深的大学生告诉你银行卡密码」的场景就可以…… 我们首先可以问一下 ChatGPT，如何进行 Prompt 逆向工程，它的回答是：分析文本内容：首先，我们需要详细阅读和理解给定的文本

chatgpt 提示词 prompt

AutoGPT与LLM Agent解析

具体的 commands 中，可以分为几大类，包括搜索、浏览网页相关，启动其它的 GPT agent，文件读写操作，代码生成与执行等。

大模型

推荐智能体：利用大模型进行交互式推荐

在每个工具执行开始时,从数据总线中读取候选商品,并在每个工具执行结束时使用过滤的商品刷新数据总线。

大语言模型推荐

混合专家模型 (MoE) 详解

然而，在开始微调 Switch Transformers 之前，强烈建议您先阅读关于微调混合专家模型部分的内容。

MoE大模型

最详细的文本分块(Chunking)方法——可以直接影响基于LLM应用效果

本文主要内容： RAG中涉及的技术环节什么是分块分块需要考虑的四种因素分块的多种方法 RAG是一个考验技术的工作这两周发的文章大模型偏多，但如果你有阅读过前面的文章

RAG 大模型

AI撬开小县城的万元商机

像松鼠AI、读书郎等教育平台都推出了线下的AI自习室，打开了新的商业路子。

AI 商机

大模型下半场，关于Agent的几个疑问

比如LLM使用天气API来获取天气预报信息。

大模型

手把手！做Llama3的MoE专家混合模型！底层原理怎样的？做自己的MoE模型？需要多少算力？

每个令牌的准确性（但回报递减）与快速训练和推理的专家数量较少之间存在权衡。

MoE 专家混合模型

使用大模型自动回复小红书/抖音/快手评论：通过RAG 优化LLMs实现

对于此文件夹中的每个文件，下面的函数将从 PDF 中读取文本，根据之前定义的设置将其分割成块，并将每个块存储在一个名为列表中。

RAG 大模型自动回复

OpenAI的官方Prompt工程指南详解 - 看这一篇真的就够了

但是也有静态的知识库，就是用的向量匹配的方式，常见步骤：加载文件 -> 读取文本 -> 文本分割 -> 文本向量化 -> 问句向量化 -> 在文本向量中匹配出与问句向量最相似的

提示词 prompt

生成式人工智能的“经济学”，The Economic Case for Generative AI

我还记得我在2003年读博士的时候，我的同学们中有一半都在研究AI。

生成式人工智能经济学

Stable Diffusion

Stable Diffusion API

微服务应执行以下操作：读取多个输入参数从文件加载图像将类别为“person”的分割模型应用于图像以创建掩码将图像和掩码转换为base64编码向本地服务器的 img2img

文生图 SD

<...45 46 47 48 495051 52 53 54 >

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