文章列表-AI魔法学院

文章列表

LLM之RAG实战（五）| 高级RAG 01：使用小块检索，小块所属的大块喂给LLM，可以提高RAG性能

在基本的RAG管道中，我们嵌入一个大的文本块进行检索，而这个完全相同的文本块用于合成。

RAG 检索

大模型训练工程那些事

这些数据可以包括文本、图像、音频、视频等不同模态的数据。

训练工程大模型

腾讯开源的数字人MuseTalk到底行不行？

MuseTaIk特别适用于256x256像素的面部区域，且支持中文、英文和日文等多种语言输入。

MuseTalk 数字人音频

Ollama 与 Dify：AI 应用开发的强强联合

然而，在本地环境中部署和管理 LLM 仍然是一项挑战。

Ollama Dify 大型语言模型

点评：六大向量数据库

这一波gpt热潮，90%的企业开发，都是llm+本地知识库集成。

向量数据库

【揭秘】BELLE大模型：一个集合训练、数据、模型、APP的超级神器，让每个人都能拥有自己的“大模型”！

我们希望本文的实验结论能对大型语言模型的训练提供有益的启示，特别是在中文领域，协助研究者在训练成本与模型性能之间找到更佳的权衡策略。

训练大模型 belle

深度｜红杉重磅发布：2024 AI 50 榜单 (全网最全)

AI如何推动企业创新和降本增效？

生成式AI 榜单 AI应用

如何修复GPT幻觉、及评估数据集的挑战

本文首先概述了幻觉如何仍然是LLM面临的一个持续挑战，然后是解决幻觉和可靠性问题的步骤（以及相关的研究论文）。

大模型

AI改变未来，ChatDoc手把手教你写研报

尤其是在CV等其他方向，中国无论是技术还是论文，都比较领先。

大模型应用写作

开源新标杆，千问Qwen2系列模型发布，全面超越LLama3

Qwen2 系列模型包括五个尺寸的模型（Qwen2-0.5B、Qwen2-1.5B、Qwen2-7B、Qwen2-57B-A14B 和 Qwen2-72B），这些模型在中文和英文基础上增加了 27 种语言的高质量数据

qwen 千问开源

微软打破Decoder-Only架构！大幅降低GPU内存需求，网友：把Llama3 70B弄20GB GPU上运行

可扩展性对比接着，研究人员在160M到13B参数规模范围内，分别训练了YOCO（门控保留和滑动窗口注意力版本）和Transformer语言模型。

Decoder-Decoder YOCO 架构

几款开源的OCR识别项目，收藏备用

免费，支持多语言，多平台; https://github.com/tesseract-ocr/tesseract.git tesseract.js js版本的

OCR

高级 RAG 技术——图解概览

二、原始 RAG 本文讨论的 RAG 流水线起始于一个文本文档语料库。

RAG 检索图解

「语音转换新速度」— 探秘Whisper JAX的70倍速提升

它是OpenAI的Whisper模型的JAX版本，实现了在TPU上高达70倍的速度提升，这不仅是对现有技术的重大突破，更是对未来潜力的一次展现。

Whisper 语音识别

prompt必须知道的26条军规

21、要编写一篇详细的文章/文本/段落/文章或任何类型的文本：“为我详细地写一篇关于[主题]的[文章/文本/段落]，添加所有必要的信息。”

prompt 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