文章列表-AI魔法学院

文章列表

自动优化Prompt：Automatic Prompt Engineering的3种方法

大致思想是先在少量subset上评估，然后过滤掉比较差的，循环这一过程直到候选集足够小，此时再在全量训练集上进行评价、挑选。

prompt 大模型

一个小妙招从Prompt菜鸟秒变专家！加州大学提出PromptAgent，帮你高效使用ChatGPT！

但对于大部分公司来说，prompt工程师是请不起的，怎么办呢？

PromptAgent 大模型

微信向量检索分析一体化数仓探索：OLAP For Embedding

在调研对 ClickHouse 对向量检索/加工能力时，我们惊讶地发现，现代 OLAP 数仓已具在其内部独立搭建 CLIP 等主流机器学习模型的数据处理全流程能力（图 1），包含 embedding

OLAP For Embedding 一体化数仓

最详细的文本分块(Chunking)方法——可以直接影响基于LLM应用效果

，最后还有与LLM的交互，整个过程技术复杂度很高。

RAG 大模型

AI备案实战指引

⚠️ 最好找法务或律师把关，同时公司内部准备好产品流程图。

备案

Roop参数说明，ROOP->StyleGAN演示！

线程数量（threads）线程数量指的是，同时干活的“人数”。

视频 StyleGAN

Coze多智能体（Multi-Agents）模式体验！

每个智能体都具有一定程度的自主性，并能够感知环境、作出决策，并与其他智能体交互。

Coze 多智能体

图解 Transformer——功能概览

如上图所示，Transformer在训练过程中，模型对数据的处理过程如下，大体可分为 6 个步骤： 1.

Transformer 大模型图解

开源大模型部署及推理所需显卡成本必读：也看大模型参数与显卡大小的大致映射策略

在量化过程中，浮点数参数将被映射到一个有限的范围内的整数，然后使用4位来存储这些整数。

开源模型

人工智能的应用范式呼之欲出

在这个思路之下，随之而来的是思维树（ToT，Tree-of-Thought），将单向线性的逐步推导，引入了自带分支的逻辑判断流程。

大模型

GitHub星数暴涨，AIPC的开源实现，用AI记录电脑一整天的使用太简单了，功能非常多！

1、每日摘要功能描述：监控每天的屏幕活动来给每日工作和活动进行摘要工作流程：屏幕监控：screenpipe全天捕捉你的屏幕活动。

AIPC ScreenPipe 开源

使用思维链写Prompt

例如，面对复杂问题时，使用思维链写的Prompt，能让大型语言模型（如GPT-3或GPT-4）不仅提供答案，还能展示出达到这个答案的思维过程。

思维链 prompt

Agent四大范式 | 综述：全面理解Agent工作原理

LLM在此过程中充当指挥官，负责解析人类输入的任务、挑选合适的模型并产出最终答复。

Agent 大语言模型

一条价值2W的Prompt，帮你生成提示词的超级提示词

超级提示词如下：你是一个专家级ChatGPT提示工程师，在各种主题方面具有专业知识。

prompt

微软Phi-3、Mixtral 8x22B等小模型过拟合，三分之二存在数据污染

在构建 GSM1k 数据集的过程中，也没有使用任何语言模型。

过拟合小模型

<...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