文章列表-AI魔法学院

文章列表

吴恩达老师建议大家关注 AI 智能体工作流

吴恩达老师建议大家关注 AI 智能体工作流，可以大幅提升 AI 应用的性能，并且他们总结了一套智能体设计模式： · • 反思：让大语言模型对自己的结果检查改进 ·

智能体大语言模型

AI探索-我怎么使用Kimi Chat的

解决方案中核心的方法/步骤/策略是什么？

KimiChat 写作

汇总1400+文献的神级“上下文工程”综述，治愈初学者的AI迷失症

综述文章的结构这篇综述文章的结构可见下面的思维导图，核心是以下四个部分： · 定义+介绍上下文工程的“基础组件”； · 介绍在

上下文工程 AI

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

这种融合使大型语言模型（LLM）能够生成更丰富、更具上下文意识的输出。

RAG-Fusion 检索增强

CodeGeeX2来了!效果超LLaMA2-70B

开源了模型和插件，欢迎大家一起玩玩。

CodeGeeX2 开源模型

国产“小钢炮”MiniCPM3-4B：小参数，大能量！

在 AI 大模型浪潮中，国内厂商面壁智能再次突破，推出了其最新的“小钢炮”系列——MiniCPM 3.0。

MiniCPM3-4B 大模型

StreamingLLM 框架：利用最新标记让 AI 记住你的话、创作长篇小说，探索无限长度文本

“ 为了实现LLM的高效流式部署,研究人员提出了 Streaming LLM 框架，其核心思路是保留最近的标记和重要的注意力点，同时丢弃不必要的中间标记。

大模型 llm框架

AI颠覆的第一个体育赛道，来了

这一平台的数据模型分析了超过10万名活跃球员的数据，不仅生成球员排名，还根据球员特点和俱乐部需求进行“数据加权”，提高了寻找合适球员的准确性。

体育 AI

比尔盖茨最新预言：AI智能体颠覆计算机交互体验甚至软件行业

随着时间的推移，它们会不断进步，因为它们会记住你的活动并识别你行为的意图和模式。

AI智能体

12个RAG常见痛点及解决方案

如果非要模型输出正确答案而不是承认模型不知道，那么就需要增加数据源，并且要保证数据的质量。

RAG 大模型

完全指南——使用python提取PDF中的文本信息（包括表格和图片OCR）

本文将讲述从PDF中将表格、图像和纯文本提取出文本信息的完整过程，主要内容： PDF的分类：文本型、OCR和扫描型针对不同类型的PDF，我们提取的理论依据环境安装编写提取纯文本的函数

大语言模型 python

长窗口大战要终结了？谷歌魔改Transformer，推出了“无限注意力”

谷歌的大模型Gemini 1.5 首先玩了一个百万token的，中国的月之暗面一个月后推出Kimi智能助手，支持200万字超长无损上下文，在中国的大模型应用中异军突起。

大模型上下文

如何微调Meta Llama-3 8B

Meta 推出了 Meta Llama 3 系列 LLM，包括 8 和 70B 大小的预训练和指令调整的生成文本模型。

Meta Llama 3 大模型

中学生能看懂：Sora 原理解读

这一过程核心依赖于一种名为“文本条件化的Diffusion模型”。

Sora 原理

高级 RAG 技术——图解概览

假设性问题和 HyDE 另一个策略是让大语言模型为每个数据块生成一个问题，并将这些问题转换为向量。

RAG 检索图解

<...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