文章列表-AI魔法学院

文章列表

大模型应用发展的方向｜代理 Agent 的兴起及其未来（上）

此外，由于符号推理算法的复杂性，很难找到一种能够在有限时间内产生有意义结果的高效算法。

大模型

一文讲明白什么是预训练、微调和上下文学习

对话系统:通过结合上下文学习，模型可以产生连贯和引人入胜的对话，改善对话系统中的人机交互。

大模型训练

Meta无限长文本大模型来了：参数仅7B，已开源

(17) 中的注意力单独应用于每个块，产生线性复杂度 O (kc^2 ) = O (nc)。

Meta 长文本大模型

RAG与Long-Context之争—没必要争

PS: 说个题外话，貌似人一辈子也就产生0.3B左右的Tokens（之前群友讨论过这个话题），是不是当模型支持最大长度达到300M时，可以快速复制一个人了。

RAG Long-Context 大模型

Ollama 与 Dify：AI 应用开发的强强联合

· 应用程序部署您可以使用 Dify 将应用程序部署到本地环境或生产环境。

Ollama Dify 大型语言模型

AI资讯速递 - 快人一步！为你填平AI领域信息差及时揭示AI领域的最新动态

AI技术以惊人的速度发展，可以对我们的工作和生活产生重大影响，例如预见和把握商机等等。

AI资讯 AI新闻

ChatGPT实用指南|ChatGPT十步搞定论文【全流程+提示词】

2ChatGPT快速产出大纲在确定了“中美贸易战的经济影响”作为论文主题后，构建一个全面的论文大纲是下一步的关键。

ChatGPT 写作提示词

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！

普遍性语境化背景的定量比较应用在(a)艺术品和老照片，以及(b)更改年龄或性别还能进行其他风格的生成，如草图、漫画

PhotoMaker 文生图

个人从零预训练1B LLM心路历程

但是有个问题是，data juicer处理数据的过程中产生的中间缓存有点多，大概占了几百GB的空间。

LLM 训练

微调大型语言模型-核心思想和方法介绍

但是，如果我们可以访问 LLM，则使用来自目标域的数据在目标任务上对其进行调整和微调通常会产生更好的结果。

大模型训练

人工智能大语言模型微调技术：SFT 、LoRA 、Freeze 监督微调方法

当部署到生产环境中时，只需要计算和存储W=W0+BA，并像往常一样执行推理。

大模型微调

2023检索增强生成技术（RAG）研究进展

它们可能产生误导性的“幻觉”（hallucinations），依赖潜在的过时信息，处理特定知识时效率不高，专业领域的深度不够，推理能力也有所欠缺。

RAG 检索增强

HAI-Chat：高效且轻量的一键式 RLHF 训练工具

具体来说，训练优化产生的新策略不断更新 Critic 和 Actor，加入熵和策略度量保证策略的多样性和训练稳定。

HAI-Chat RLHF

谈谈RAG存在的一些问题和避免方式

一般来说，分块过程忽略了文本的内容，这就产生了问题。

RAG 大模型

M3E 可能是最强大的开源中文嵌入模型

资源搭建专属知识库 ChatGLM2-6B + LangChain 工程落地实践｜基于 ChatGLM2-6B + LangChain 搭建专属知识库初步完成工程落地实践｜国产大模型

开源模型

<...51 52 53 545556 57 58 59 60 >

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