文章列表-AI魔法学院

文章列表

RAG 2.0来了，它能成为生产落地的福音吗？

在典型的RAG系统中，通常会采用现成的通用嵌入模型来实现数据的嵌入处理，利用向量数据库进行高效的信息检索，并结合大型的黑盒语言模型来完成内容的生成。

RAG 大模型

腾讯开源混元AI绘画大模型

一是中文原生，不需要经过转译的过程，大模型可以理解原生中文，这点很重要，要比Stable Diffusion加个翻译插件好得多，尤其是在古文直接生成图方面，有着强大的优势。

腾讯混元文生图

你还在为钱发愁？2023年十大赚钱GPT Prompts高级指南！（国际版）

value and convince them to join my Cohort Based Community Course on [niche].”提示：“根据过去三个月中使用的标签的点赞和转发数量

prompt

来自Microsoft Build 2023：大语言模型是如何被训练出来的

已注册用户可以直接官网观看，并且可以下载字幕哦~ State of GPT概述预训练阶段文本的tokenzation预训练阶段的输入和目标OpenAI的基础模型GPT-3与LLaMA对比有监督微调

大模型

大模型：泛化即智能，压缩即一切！

监督学习是优秀的数据海绵经过监督学习训练的深度神经网络是优秀的数据海绵——它们可以记住大量数据，并且可以通过数万批量大小的训练来快速完成这一任务。

泛化大模型

MCI-GRU：在真实金融交易中验证有效的股票价格预测模型

一本文概要随着金融市场的日益复杂化和大数据时代的到来，精准的股票预测变得尤为关键。

MCI-GRU 股票大模型

微软、OpenAI大佬暗示LLM应用开发范式迁移：从Prompt Engineering到Flow Engineering

因此，LLM应用从趋势上看，逐渐朝复杂的流程组织，以及模型基于环境反馈的自我迭代循环纠错的方向发展，而这就是Flow Engineering。

LLM 范式迁移

大模型能自己优化Prompt了，曾经那么火的提示工程要死了吗？

「唯一的趋势就是没有趋势，」他们写道：「对于任意给定模型、数据集和提示工程策略的某个特定组合而言，最好的方法很可能都非常具有针对性。」

prompt 大模型提示

检索增强生成(RAG)有什么好的优化方案？

· 此外，还可对query召回的文档块集合进行处理，比如：元数据过滤[7]、重排序减少文档块数量[2

RAG 检索增强

Learn Prompting-基础篇

例如，人工智能可以预测客户的趋势和偏好，帮助企业做出更好的决策并增加利润。

prompt

大模型时代-行业落地的再思考

但其实他们是缺乏准确定义的，很多人甚至迷失在了这个名字上。

大模型

AI 绘画新时代：ChatGPT + DALL-E 3

算法效率：尽管 MidJourney 拥有更多可能的数据集，但其质量相较于 OpenAI 仍显不足。

文生图图生图 chatGPT DALL-E

无限长的上下文，也干不掉的RAG

这些模型通常通过提示（prompting）来执行下游任务，将所有相关的任务规范和待处理数据格式化为文本输入上下文，模型返回生成的文本完成。

RAG 大模型

当ChatGLM3能用搜索引擎时

当然，这也是一个不可逆转的趋势。

大模型应用大模型 ChatGLM

混合专家模型 (MoE) 详解

混合专家模型 (MoE) 的一个显著优势是它们能够在远少于稠密模型所需的计算资源下进行有效的预训练。

MoE大模型

<...52 53 54 555657 58 59 60 61 ...>

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