文章列表-AI魔法学院

文章列表

LangChain: LLM 应用聚焦的两大方向，RAG 和 Agents

图一：RAG 结构图在当前这个时间点（2023.9.6）打开 langchain.com 的主站，你会发现不同于之前的 docs 关于应用场景的 8 种介绍，Use-Cases

大模型

什么情况用Bert模型，什么情况用LLaMA、ChatGLM类大模型，咋选？

提炼下方法，一般分为两个阶段训练：第一阶段：扩充领域词表，比如金融领域词表，在海量领域文档数据上二次预训练LLaMA模型；第二阶段：构造指令微调数据集，在第一阶段的预训练模型基础上做指令精调。

大模型

震惊！OpenAI发布Meta-Prompt，未来不再需要提示词。

👀实测案例太震撼了：初始提示词： 1 优化提示词：使用Flux 1.1模型生成图像优化后的提示词： 1 生成一条优化后的提示词，以便使用Flux 1.1模型生成图像

Meta-Prompt 提示词

搞了一个Dify开源知识库

· 工具：工具可以扩展 LLM 的能力，比如联网搜索、科学计算或绘制图片

Dify 大模型知识库

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

RAG模型的主要痛点和解决方案

对于每一个主要的痛点，我们首先解释背景并描述为什么它构成了问题。

rag 大模型

链接大模型与外部知识，智源开源最强语义向量模型BGE

Embedding 002为蓝色中文语义向量全面评测基准 C-MTEB 此前，中文社区一直缺乏全面、有效的评测基准，BGE 研究团队依托现有的中文开源数据集构建了针对中文语义向量的评测基准

embedding 语义向量

一文讲明白什么是预训练、微调和上下文学习

预训练目标是捕获文本语料库中存在的底层模式、结构和语义知识。

大模型训练

Prompt屠龙术-思维链

**情节构思**：根据背景和人物设定构建情节线。

Prompt 思维链

中国首份AIGC监管文件正式实施——《生成式人工智能服务管理暂行办法》简析

亮点： 1· 作为中国首份生成式人工智能（“AIGC”）监管文件，管理办法体现了现阶段监管机构的态度，即“既要重视发展，也要重视风险”。

人工智能

让AI帮你读财报：Reportify让你看得清、聊得深

读财报首先从最核心的场景——财报的分析的结果上看，团队提前为用户操了不少心，不仅为内容做了结构化较高的摘要处理，让要点一目了然，还提供了与AI对话能力，达到进一步分析具体问题的效果。

Reportify 读财报

伦敦出租车司机的遭遇，暗示了程序员的未来

这个测试提升了伦敦出租车司机的服务水平，他们成为了活地图，同时也构成了伦敦出租车行业的巨大的门槛，一般人很难进入。

人工智能伦理

大模型在金融行业的应用场景

目前已有的大模型知识库基本上都采用 RAG 的方案构建，但是数据源多样（流程规范、产品材料、规章制度等），数据格式繁杂（文字、表格、公式、图片等），针对不同的数据都需要业务上进行单独处理

大模型金融应用

StreamingLLM 框架：利用最新标记让 AI 记住你的话、创作长篇小说，探索无限长度文本

02 — 下图为StreamingLLM与现有方法的对比图示，建模任务为：语言模型在长度为L的文本上进行预训练，预测第T个标记（T≫L）。

大模型 llm框架

生成式人工智能的“经济学”，The Economic Case for Generative AI

它可以根据输入的信息，生成出与之相关的文字、图片、甚至是音乐！

生成式人工智能经济学

<...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