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

单一查询可能无法完全捕捉用户感兴趣的全部范围，或者可能过于狭窄而无法产生全面的结果。

RAG-Fusion 检索增强

图解 Transformer——功能概览

Transformer 分类器架构如下所示，一个情感分析程序，把一个文本文件作为输入。

Transformer 大模型图解

垂直领域大模型的一些思考及开源模型汇总

Github: https://github.com/icalk-nlp/EduChat 简介：以预训练大模型为基底的教育对话大模型相关技术，提供教育场景下自动出题、作业批改、情感支持

垂直领域大模型开源模型汇总

在飞速发展的时代管理AI风险

人工智能的进步迅速，令许多人感到惊讶。

人工智能伦理

LangChain 完整指南：使用大语言模型构建强大的应用程序

LangChain 的适应性和易用性使其成为开发人员的宝贵工具，使他们能够释放语言模型的全部潜力，并在广泛的用例中创建智能的、上下文感知的应用程序。

langchain 大模型

大模型套壳祛魅：质疑套壳，理解套壳

一位做 NLP 研究的科学家告诉「甲子光年」：「OpenAI 可能预感到字节跳动可以花钱堆一个模型出来，所以提前打压一下。

大模型套壳

Ilya认错，Scaling Law崩了？自曝SSI秘密技术路线取代OpenAI

虽然在GPT-4发布后，各大AI实验室的研究人员都竞相追赶，发布了超过GPT-4的大模型，但他们更多的感觉是失望。

Scaling Law AI大模型

大语言模型微调：定制自己的微调数据集

如果要微调模型以处理特定任务，那么数据集必须包括与该任务相关的文本，例如，如果要构建常见的具有情感反馈的微调数据集，则数据集应包含正面和负面评价的文本。

大模型

【大模型微调】 Llama 2 ：对话模型的全过程微调

虽然作者注意到许多人口群体的积极情感有所增加，但在部署之前仍需要额外的安全缓解措施以及对模型实际影响的更全面研究。

大模型

爆火！腾讯开源PhotoMaker：高效地定制化生成任意风格的逼真人类照片！

为了使原始扩散模型更好地感知堆叠ID嵌入中包含的ID信息，在注意层中额外训练矩阵的LoRA残差。

PhotoMaker 文生图

OpenAI 无需向量化的 RAG 新架构设计范式剖析

这种迭代方式比一次性将文档切成数百份并让大模型挑选的效果更好，因为切得太细碎反而可能让大模型感到混乱。

OpenAI RAG 架构

混合专家模型 (MoE) 详解

该图来自 ST-MoE 论文此时，您可能会对人们微调 MoE 中遇到的这些挑战而感到沮丧，但最近的一篇论文《MoEs Meets Instruction Tuning》 (2023 年 7 月)

MoE大模型

大模型应用中大部分人真正需要去关心的核心——Embedding

主流中文embedding模型现在主流的中文embedding模型其实也不是太多，以下就是主要的embedding模型了，目前我们用的m3e，但效果感觉还有待提升。

大模型

AI国力战争：GPU是明线，HBM是暗线

目前，中国企业在HBM产业链上的存在感甚至还要落后于先进制程与GPU。

GPU HBM 大模型

Deepseek-V2技术报告解读！全网最细！

另外，Deepseek-V2结合算法和工程，提出了资源感知专家负载均衡的方法，保证了专家并行的几个机器雨露均沾，不会出现有些机器空转，有些机器过度占用的情况。

Deepseek-V2 大模型

<...46 47 48 49 50 515253 54 55 >

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