文章列表-AI魔法学院

文章列表

高效选择：Ollama与LM Studio深度对比

今天，我们就来深度对比这两个本地语言模型（LLMs）工具，帮助你找到最适合你的那一款。

Ollama LM Studio 对比

构建开源多模态RAG系统

大型语言模型，如GPT-3，擅长生成类似人类的语言，但在提供最新或特定领域的信息方面存在限制。

RAG 大模型

面向知识图谱的大模型应用

概念的互相关性意味着如果不相互分析，就可能忽略重要的上下文细节。

知识图谱大模型

大模型应用设计的10个思考

这种做法在短期内可能带来便利，但长期来看，会导致代码僵化，难以维护。

大模型应用

大模型：泛化即智能，压缩即一切

如果你认同Scaling Law定律，你就应该相信通过大量不同的数据来追求长期的模型泛化能力比短期的通过巧妙的模型微调更重要，这个想法在机器学习先驱 Rich Sutton 《苦涩的教训》中也有所体现。

大模型泛化

实现职场飞跃：10个ChatGPT提示词技巧助你找到理想工作

这些提示词涵盖了从创建面试问题样本到制定回复的所有内容。

面试求职提示词

Kimichat炒股：7个提示词案例

了解股票投资基本概念和知识什么是有息负债率？

Kimichat 提示词

LLM应用架构之检索增强（RAG）的缘起与架构介绍

另一个就是模型复杂，如前文讲，生成式本身是在学习样本的真实分布，而非决策边界，故而更为复杂，性能较差，再加上为了能够获得智能涌现，模型参数量巨大，就更难以训练和部署。

LLM

RAG 2.0，终于把RAG做对了！

用外行的话来说，这意味着这些模型可以在每个提示中输入非常长的文本序列。

RAG 大语言模型

LangChain - RAG: 拿什么「降伏」PDF 中的 Table 类型数据

时间过得真快，写上一篇文到现在已经过去半个月之多！

大模型 LangChain RAG

写好Prompt提示工程的一套通用框架 - 5个关键要素

我会用任意一种语言向你讲话，你要检测这种语言，将其翻译并用纠正过的、改良版的英文版本回答我。

Prompt 提示工程

大模型高效微调：🤗 PEFT 使用案例

PEFT方法仅微调少量（额外的）模型参数，显著降低了计算和存储成本，因为对大规模PLM进行完整微调的代价过高。

大模型

AIGC大模型，潮水褪去之后

学术前沿发了非常多针对大模型的论文，呈现出一幅百花齐放的景象。

大模型

提升GPT Prompt效果最佳实践 - 拆解复杂任务

具体方法： · 使用意图分类来识别与用户查询最相关的指令 · 对于需要很长会话的对话应用，总结或过滤之前的对话 · 分段总结长文档，并递归构建成完整摘要使用意图分类来识别与用户查询最相关的指令

GPT prompt

目前有哪些比较成功的人工智能应用？

文本：也就是各种文字，中文，英文，数字等等都算是文本输入。

生成式AI

<...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