文章列表-AI魔法学院

文章列表

金融行业中 Fintech 的应用场景

第三个称为叫互金。

Fintech 金融

会“追问”的Agent，大模型知识库另类实践

判定用户的真实意图。

大模型

14.6K star！最好用的OCR文字识别项目，没有之一！

项目是基于PaddleOCR开发的，支持截图识别、批量导入识别、个性化识别等功能。

Umi-OCR 开源项目文字识别

目前大语言模型的评测基准有哪些？

着眼于综合评价大模型的能力，使其能全面地测试大模型的效果，又能考察模型在中文特有任务上的理解和积累，SuperCLUE从三个不同的维度评价模型的能力：基础能力、专业能力和中文特性能力。

人工智能评测大模型

最强开源大模型Llama 3，在扎克伯格设想中其实是这样的

3、Meta正在积极开发多模态版本的Llama 3模型，也就是能够实现接收文本、图像、视频等不同格式的信息，然后生成输出这些不同格式的内容。

Llama 3 大语言模型

HalluQA: 测测中文大模型有没有一本正经胡说八道

然而在中文方面，当前的模型重点关注的仍是模型解决各类任务的能力，忽视了对于模型幻觉现象的衡量。

大模型中文大模型幻觉

金融领域Prompt工程方法浅析

基于以上领域特殊性，同时参考跨行业数据挖掘标准流程（CRISP-DM)，我们设计了金融Prompt工程流程（Financial Prompt Engineering Process，FinPEP），其概述图如图

prompt 大模型

大模型应用设计的10个思考

对于整个系统而言，目标是利用LLM的规划和理解意图的能力，以此来构建高效的项目。

大模型应用

Rerank——RAG中百尺竿头更进一步的神器，从原理到解决方案

检索增强生成（RAG）是解决大语言模型（LLM）实际使用中的一套完整的技术，它可以有效解决LLM的三个主要问题：数据时效性、幻觉和数据安全问题（在我之前的文章《大模型主流应用RAG的介绍

RAG 检索增强

40个prompt，让你成为麦肯锡高手

护城河分析： “通过护城河分析的视角评估[我的商业决策]，确定这个决策是否能够加强和维护企业的核心竞争优势，避免被其他竞争者轻易复制。”

prompt

我为什么不看好大模型行业

今天是平安夜，题图是我制作的贺卡，以承泽园的建筑为背景，我家俩闺女为主角，祝愿大家平安夜平安，圣诞节快乐！

大模型

GitHub本月榜单：一个数字人技术的“非官方”实现

GitHub榜单有一个“非官方实现”数字人，太牛了 github地址 https://github.com/guoqincode/AnimateAnyone-unofficial 看看效果实时动图，

AnimateAnyone 人工智能

如何估计大模型所需要的显存大小？HuggingFace发布Model Memory Calculator，一键计算大模型显存需求

使用Model Memory Calculator估算大模型显存的实测这个工具的使用非常简单，如下图所示，你只需要找到对应的模型所在的HuggingFace地址，直接输入到下面就可以计算了。

大模型

AI换脸：FaceFusion和Roop在线版修复，支持手机，平板，低配电脑！

设置一下帧处理器设置一下执行器Cuda 然后上传源图片，目标图片或者目标视频。

FaceFusion Roop AI换脸

Sora相关论文合集---全32套大放送

- Transformer架构在自然语言处理和视觉识别等领域展现出优越的扩展性和性能。

Sora 论文

<...55 56 57 585960 61 62 63 64 ...>

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