文章列表-AI魔法学院

文章列表

改进召回（Retrieval）和引入重排（Reranking）提升RAG架构下的LLM应用效果

llamaindex实现下的RAG架构以RAG召回为例，最原始的做法是通过top-k的方式从向量数据库中检索背景数据然后直接提交给LLM去生成答案，但这样存在检索出来的chunks并不一定完全和上下文相关的问题

大模型

大模型能自己优化Prompt了，曾经那么火的提示工程要死了吗？

「你就坐在那里，试图找到单词的某种神奇组合，从而让你的模型在你的任务上得到最佳的可能表现。」

prompt 大模型提示

Stable Diffusion

Stable Diffusion WebUI v1.9.0重大更新！

以下是官方演示图：从上面两张图可以看出在使用karras（调度器）和打开Refiner（精炼器）切换时机的值分别设置为0.8/0.88/1.0的情况下，旧版本的色彩会欠饱和或过饱和，而新版本的色彩饱和度就很正常

Stable Diffusion 文生图大模型

HAI-Chat：高效且轻量的一键式 RLHF 训练工具

它适配萤火智算集群的特性，更兼容 HAI-LLM 大模型训练框架训练出来的模型，相比开源 RLHF 方案提速12倍。

HAI-Chat RLHF

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

特别是在11月7日，ChatGPT的开发机构OpenAI推出GPTs和GPT商店，允许用户无需编码就可创建自己版本的GPT，从而构建一个智能体平台和生态。

AI智能体

Roop升级版FaceFusion换脸AI技术使用以及部署教程

conda create -y -p D:\dataddd\facefusion\ENV python=3.10 初始化Conda环境，避免后续可能报错。

FaceFusion 教程

推荐智能体：利用大模型进行交互式推荐

为弥补这些弱点,研究人员已经开始探索使用外部工具来增强LLM的能力(Qin et al. 2023)。

大语言模型推荐

RAG 2.0，终于把RAG做对了！

一切都关乎语义相似性顾名思义，其理念是从已知数据库中检索数据，这些数据是LLM很可能从未见过的，并实时将其输入模型中，使其具备最新且重要的是语义相关的上下文，以便提供准确的答案。

RAG 大语言模型

万物皆可接入DeepSeek，44家接入R1的国产平台超详细大盘点

从芯片到云服务，DeepSeek的开源给所有企业提供了低门槛的接入通道，极氪、诺安基金等等，也都开始部署自己的DeepSeek。

deepseek 大模型

来自Microsoft Build 2023：大语言模型是如何被训练出来的

全文围绕如下的这个图展开：这幅图很好地总结了大语言模型的训练全景，主要包括四个阶段：预训练阶段：基于原始数据训练一个基础模型，得到的是一个base model，可以部署使用有监督微调阶段

大模型

这个方法可以让AI写出的文章完全去掉GPT味儿！

但事实是，AI工具的准确性和创造力还是比较缺乏的，经过测试，他生成超过1500字，基本就开始绕来绕去了。

ChatGPT 写作

造梦师手记：重新定义真实，SDXL下载量最大的真人模型

留在AI绘画领域的，要么是沉浸其中的痴迷爱好者，要么是专业领域已经开始使用AI绘画进行生产力替代的使用者。

文生图 SDXL

保姆级教程：图解Transformer

随着技术的发展，Transformer 开始征战视觉领域，分类、检测等任务均不在话下，逐渐走上了多模态的道路。

人工智能

百万token上下文窗口也杀不死向量数据库？CPU笑了

§ § 简单易用：不仅向量检索能力丰富，而且通过API就能快速操作和开发。

向量数据库大模型 cpu

当ChatGLM3能用搜索引擎时

传统的网络搜索模式也在接受这前所未有的挑战，首当其冲的就是各大搜索引擎，比如bing在自家浏览器中搭载了chatgpt，能够根据搜索的内容进行整合，并生成逻辑清晰，而且相对准确的信息，极大的增加了传统搜索需要逐一点开网页进行浏览

大模型应用大模型 ChatGLM

<...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