文章列表-AI魔法学院

文章列表

Prompt提示优化工具

bestprompts 按照职业和主题查看已有的ChatGPT提示词。

prompt 提示词

DeepSeek V3刷屏，550万元2000张卡做出的开源模型，和OpenAI几亿烧出来的一样好

能够做到“提前泄露”并引起一群自来水测试和把玩的国产模型并不多，无论它是否是Deepseek的某种策略，它确实证明了自己受关注和在开发者社区里的真实使用的程度。

DeepSeek V3 开源模型

用ChatGPT辅助学习，成为超级学霸

这种方法的有效性已经得到了大量科学研究的证明。

教育 AI 学习

2024！深入了解大语言模型（LLM）微调方法（总结）

右侧附件中有相关论文集附件下载。

大模型微调

OmniVision - 968M：小巧精悍的视觉语言模型，释放多模态边缘计算强大潜能

该模型旨在解决边缘设备在运行多模态模型时面临的资源受限问题，通过优化架构和训练方法，实现了在保证性能的前提下，降低计算成本和延迟，从而为边缘设备的智能化升级提供了可行的解决方案。

OmniVision -968M 多模态模型

摆脱 OpenAI 依赖，8 分钟教你用开源生态构建全栈 AI 应用

随着互联网的发展，非结构化数据如电子邮件、论文、传感器数据、照片等变得越来越普遍。

开源模型

零一万物API开放平台出场！通用Chat多模态通通开放，还有200K超长上下文版本

为了实现模型能力的提升，研究团队从保证训练数据质量、在tokenization中运用独特设计、微调阶段积累经验等多个角度进行了攻关，增强了模型的优势并在API段充分发挥。

零一万物 YI 李开复

用ChatGPT快速完成论文全流程

场景案例：在论文“使用人工智能技术提高在线教育的学生参与度”中，参考文献应包括关于在线教育挑战的基础研究、人工智能在教育中应用的前沿研究，以及有关提高学生参与度的相关理论和实证研究。

ChatGPT 写作

模型压缩：量化、剪枝和蒸馏

量化是一种通用的压缩方法，适用于几乎所有的深度模型，学术界已经证实，全连接层是对量化操作十分友好的结构，而BERT 中大部分模块都由全连接层组成，因此BERT 对于量化操作是比较友好的。

BERT 语言模型

Langchain的一些问题和替代选择

总结本文只总结了Langchain用户在使用中遇到的一些问题，并非所有使用过Langchain的人都会遇到，但是也不能保证你以后不会遇到，所以还是应该注意这些别人遇到的问题。

大模型

LangChain - RAG: 拿什么「降伏」PDF 中的 Table 类型数据

Document 做更新单位，主要是针对 chunk 做更新有些过于繁琐，但实际应用的过程中很多人反馈说针对 Document 有些过大，这下好了，中间加了一层，embedding 更新的单位也可以试着按照中间层大小

大模型 LangChain RAG

通俗易懂地解释OpenAI Sora视频生成的特点有哪些？它与此前的Runway Gen2、Pika有什么区别？以及缺点是什么？

第二个是圣诞节雪景和真实拍照的建筑视频的融合。

sora 视频生成

详解大模型RLHF过程（配代码解读）

训练模式是用teacher force的方式（不明白的同学知乎搜一下），将整句话输入到模型中，并通过mask机制在保证不泄漏未来的单词情况下预测下一个单词。

训练

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

它的核心思路是，利用多次生成测试反馈迭代的方式替代原有精心构造Prompt一次性生成的方式，最终在验证集上，GPT-4的准确率（pass@5）从使用单个精心设计的Prompt的19%提高到使用

LLM 范式迁移

ChatGPT提示工程5篇合集(二)：ChatGPT提示工程 - 总结

示例二简要的总结以下内容，最多2个句子： <请把待总结的内容放到这里> 这一次，ChatGPT按照我们的要求，输出了2个句子。

prompt 提示词

<...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