文章列表-AI魔法学院

文章列表

长窗口大战要终结了？谷歌魔改Transformer，推出了“无限注意力”

{KV}s−1 和 {KV}s 分别是当前和先前输入段的注意力键和值，而 Qs 是注意力查询。

大模型上下文

从⼤模型到 AI 应⽤落地，工程实现有多复杂?

本次分享主要包含五块内容，分别是：一、Prompt 工程化：代码与模型解耦二、私有化数据接⼊：持续更新与调整三、Agent 的演进：自动化编排四、我们最终会丢掉 LangChain

大模型

必读！RAG好用的3种Router

当前工作中，使用BERTSim分数来创建软标签，并训练路由专家模型分类器。

RAG Router

AI进化的新纪元：AI AIgents时代（1/9）——什么是Agent？

而Agent拥有复杂的工作流程，可以自我对话，而无需人类驱动每一部分的交互。

大模型

解读 | SuperCLUE 2023年9月全面测评大模型四大能力

评分机制 SuperCLUE的评测分为"OPEN多轮开放问题"和"OPT三大能力客观题"两部分。

大模型方法论

一文讲明白什么是预训练、微调和上下文学习

预训练模型作为广泛的自然语言处理任务的基础，例如文本分类、命名实体识别和情感分析。

大模型训练

金融领域Prompt工程方法浅析

其根据slot的形状/位置可以分为：完形填空（Cloze）、前缀模式（Prefix）；根据是否由人工指定可以分为：人工指定和自动搜索，其中自动搜索根据搜索空间可以分为离散型和连续型。

prompt 大模型

OCR的终极解法——传统算法VS多模态大模型

在命名实体识别中，算法会分析文本，并将每个单词或短语标记为预定义的类别之一。

OCR 大模型文字识别

苹果一次性开源了8个大模型！包含模型权重、训练日志和设置，OpenELM全面开源

使用分组查询注意力(GQA)代替多头注意力(MHA)， 4.

OpenELM 大模型

如何提高RAG 的效果

这篇文章不分析具体的细节实现，旨在从解决思路上进行探讨，当前环境下如何提高RAG 的效果。

RAG 大模型

llm-action：让天下没有难学的大模型

因此，该技术值得我们进行深入分析其背后的机理，本系列大体分七篇文章进行讲解。

大模型 LLM

0基础！动手部署Qwen1.5-MoE模型！能力如何？API接入fastgpt等任何应用！喂饭到嘴教程，附模型下载！

Mixtral等大部分优秀的模型，都用moe架构！

Qwen1.5-MoE 大模型下载

PymuPDF4llm：PDF 提取的革命

这对于需要对文本进行进一步处理的应用，如文本分类、信息检索等非常重要。

PymuPDF4llm PDF

Google 模型解读 | MoveNet-SinglePose：自底向上做单人姿态估计

，把本来就比较可怜的算力全用在主干分支上 Neck MoveNet比较特殊的设计主要在Neck和Head部分。

MoveNet-SinglePose Google 模型

什么是GPTs！如何创建自己的第一个GPTs？

创建页面的介绍创建页面分为两个部分，左边是用来定义GPT的，右边是预览效果左边定义GPT的页面有两个选项，一个是Create，一个是Configure，Create为我们提供了一个GPT

大模型应用 chatgpt

<...54 55 56 575859 60 61 62 63 ...>

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