文章列表-AI魔法学院

文章列表

真超越了GPT？国产大模型实用场景横评②

3.完整性：文本内容是否足够完整，是否涵盖了问题的主要内容，是否达到了基本可用的标准。

大模型

24年首篇离奇论文：加点噪声，RAG效果翻倍？

该方法包括两个主要组件：检索器和生成器。

RAG 检索增强

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

索引、检索器和查询引擎是基于用户数据或文档进行问答的三个基本组件：索引是一种数据结构，使我们能够从外部文档中快速检索用户查询的相关信息。

RAG 检索

Stable Diffusion

50张图“毒倒”Stable Diffusion，汽车和牛都分不清了

它的原理和Nightshade类似，也是对图像像素做一些微妙地改变，肉眼根本看不出来，但却可以操纵模型将图像解释成与实际内容不同的东西。

StableDiffusion

阿里Qwen3系列模型惊艳亮相

它能从容应对棘手的问题。

阿里 Qwen3 大模型

LangChain + ChatGLM2-6B 搭建私域专属知识库

ChatGLM2-6B 微调 o• LangChain + ChatGLM2-6B 构建个人专属知识库 ChatGLM2-6B 部署这里我们还是白嫖阿里云的机器学习

知识库

金融领域Prompt工程方法浅析

大模型具有非常强的自然语言处理能力，可以完成诸如机器翻译、问答、文本生成等在内的多种复杂语言任务。

prompt 大模型

再也不怕合照缺人，Anydoor为图片编辑开了一道「任意门」

作者用一个 ID 提取器来生产有区分度的 ID token，并设计了一个以频率感知的细节提取器来获取细节图作为补充。

Anydoor 文生图

天塌了，Scaling Law 已撞收益递减墙？OpenAI 在内，所有大模型都正遭遇巨大瓶颈

报道提到，GPT 开发速度放缓的部分原因是用于预训练的文本和数据供应减少（预训练有助于 LLM 理解概念之间的关系，从而解决起草内容或调试代码等任务）。

Scaling Law AI大模型

深入浅出：大语言模型中必不可少的技术——Embedding简介

如何生成和存储Embedding 总结 Embeddings技术简介及其历史概要在机器学习和自然语言处理中，embedding是指将高维度的数据（例如文字

embedding

硬核Prompt赏析：HuggingGPT告诉你Prompt可以有多“工程”

https://arxiv.org/abs/2303.17580 中文介绍 HuggingGPT介绍其工作原理如下图： LLM作为控制器（

提示词 prompt

垂直领域大模型的一些思考及开源模型汇总

正好利用周末的时间，好好思考、梳理、汇总了一些垂直领域大模型内容。

垂直领域大模型开源模型汇总

Ollama最新更新v0.1.33，实现了多并发可同时与多个模型聊天对话！

· 修复内容： · &ensp

ollama 语言大模型聊天

从Langchain到ReAct，在大模型时代下全新的应用开发核心

可以是用户的手动输入，也可以是依靠触发器（比如系统故障报警）。

大模型

RAG——使用检索增强生成构建特定行业的大型语言模型

下面是检索增强技术论文的摘要部分，从中我们可以看到，检索增强技术是用于知识密集型nlp任务处理文本生成时，先通过信息检索技术来增强信息输入来使生成的内容更具体、更多样化和更真实的技术。

大模型

<...47 48 49 505152 53 54 55 56 ...>

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