文章列表-AI魔法学院

文章列表

prompt必须知道的26条军规

3、将复杂任务分解为一系列简单提示的互动式对话。

prompt 大模型

Flowith：革新你的工作方式，体验节点式 AI 的超流畅生产力

· 文件上传与分析：支持 PDF、DOC、EXCEL 等多种文件格式的上传和分析，内置

Flowith GPT 生产力工具

Elasticsearch 中的向量搜索：设计背后的基本原理

段会在后台定期合并在一起，以控制分段总数并限制每个分段的总体搜索时间开销。

向量数据库

零代码编程：用ChatGPT打造一个信息推送的微信机器人

现在有很多这方面的消息推送工具，比如wxpusher、Pushplus、server饭、server酱等： pushplus：免费账号一天限制200条请求数，1分钟内最多接收5次请求，超出的请求不再推送

ChatGPT

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

模型架构基础组件协同：OmniVision - 968M的架构由三个关键部分组成。

OmniVision -968M 多模态模型

震撼科技界：清华大学与智谱AI联手，引领中文长文智能写作新纪元！

为了深入理解这一现象并探究其根本原因，研究团队设计了两组细致的实验进行分析。

写作长文本

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

APE可分为以下3个步骤。

prompt 大模型

总结！大模型微调（Tuning）的常见方法

o o • 部分微调（Repurposing）：部分微调是指在微调过程中只更新模型的顶层或少数几层，而保持预训练模型的底层参数不变。

微调大模型

解放AI生产力——为什么要使用ComfyUI

举一个很恰当的例子：我要开一个方便面厂，我生产红烧牛肉面的时候你不能给我香辣牛肉面，不然我还要人为地在生产完成后给你分出来，浪费时间浪费金钱，而且我不能只有一条流水线，我还得有另一条流水线生产香辣牛肉面

文生图

Python程序混淆和打包exe文件流程和方法

在创建了独立应用（自包含该应用的依赖包）之后，还可以使用 PyInstaller 将 Python 程序生成可直接运行的程序，这个程序就可以被分发到对应的 Windows

Python 程序

快手大模型出炉！【快意】来袭！

这里面我们介绍13B规模的系列模型KwaiYii-13B，其主要特点包括： · KwaiYii-13B-Base预训练模型具备优异的通用技术底座能力，在绝大部分权威的中/英文Benchmark

开源模型

金融行业的开源AI大模型

许多企业和研究机构开始推动开源金融大模型的发展，不仅仅提供开源的模型参数，有的项目还提供了训练的数据和测评的基准，降低了金融大模型开发的成本和门槛，使更多人能够利用这些模型进行金融分析、情感分析和预测等

开源大模型

PostgreSQL的三位一体——在大模型应用中结合关系型、向量和时间序列数据

对于LlamaIndex中基于时间的搜索，Timescale Vector使用UUID v1的“datetime”部分将向量放置在正确的时间分区中。

大模型 PostgreSQL

大模型的研究新方向：混合专家模型（MoE）

最简单的办法就是把各个领域的专家集合到一起来攻克这个任务，当然我们事先要把不同的任务先分离出来，这样才便于分发给不同领域的专家，让他们来帮忙处理，最后再汇总结论。

MoE 大模型

LLM native策略的内部状态是否应该结构化【2023Q3】

这个明确的标准是：对于绝大部分case，都可以人工标注出内部状态的真值，来供ML算法优化。

大模型

<...53 54 55 565758 59 60 61 62 ...>

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