文章列表-AI魔法学院

文章列表

大语言模型定制化应用的三种方式：Prompt engineering、Fine tuning、Pre-trainning的区别

通过在任务特定数据集上微调模型参数，使模型适应特定任务的要求。

大模型

简单提升RAG的10种方法

数据清理 RAG 将LLM的能力与特定数据联系起来。

RAG 大模型

Prompt、RAG、微调还是重新训练？如何选择正确的生成式AI的使用方法

因为我们是在特定领域的数据上更新模型权重，模型产生更多的上下文响应。

生成式AI

从零开始了解AI大模型 - 概念篇：一文带你走进大模型世界

大模型通过海量数据和超高数量的参数，实现面向复杂问题的“预测”能力。

大模型

评论能力强于GPT-4，上交开源13B评估大模型Auto-J

具体方法训练数据总体上遵循如下的流程示意图：图1：训练数据收集流程示意图场景的定义和参考评估标准：

Auto-J 大模型

ChatGPT写论文指令全集

描述研究设计：详细说明你的研究设计、数据收集和分析方法。

ChatGPT 写作

人手一个编程助手！北大最强代码大模型CodeShell-7B开源，性能霸榜，IDE插件全开源

CodeShell的原始训练数据基于自己爬取的Github数据、Stack和StarCoder数据集，以及少量高质量的中英文数据。

开源模型 AI编程

开源语音大语言模型来了！阿里基于Qwen-Chat提出Qwen-Audio!

多任务和多数据集共同训练面临的一个重要挑战是不同数据集关联的文本标签的相当大的变化。

大模型语音

智能时代的变革者：定制化GPTs重塑未来的五大预言

这不仅包括数据输入和处理，还扩展到更复杂的工作，如初级数据分析和报告编写。

GPTs 智能

OpenAI视频模型Sora的推理生成成本多高？

GPT-4 的训练数据约为 13T - 20T 之间，我们假设为 20T 数据则 GPT-4 训练所需的 FLOPs = 6 * 400B * 20T = 4.8 * 10^25 目前最大的模型训练计算量预估在

Sora 推理算力

国内AI大模型已近80个，哪个最有前途？

字节有最多的多模态中文私有数据。

大模型

LLM微调神器Lamini，疯狂获星1.9k，免费可用！！

并且，在 Lamini 的项目地址中有着 · 1400 个问答数据集（这是关于 Lamini 的内部工程文档，你也可以将其自定义）； · 在此数据集上运行 LLM 微调的代码；

大模型

Stable Diffusion

Stable Diffusion LightFlow 作弊插件！一键复用工作流

支持一键保存所有生成数据，让工作流被完整复现并进行分享。

流程 SD

大模型的最大bug，回答正确率几乎为零，GPT到Llama无一幸免

逆转诅咒显示出基本无法泛化到训练数据之外。

大模型

通俗解读大模型微调(Fine Tuning)

第三个原因是，Prompt Engineering的效果达不到要求，企业又有比较好的自有数据，能够通过自有数据，更好的提升大模型在特定领域的能力。

大模型微调

<...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