文章列表-AI魔法学院

文章列表

LLM之RAG实战（五）| 高级RAG 01：使用小块检索，小块所属的大块喂给LLM，可以提高RAG性能

这个检索器将递归地探索从节点到其他检索器/查询引擎的链接。

RAG 检索

中文常用停用词表下载

于是，管理员决定把这些词从书中拿掉，只留下那些真正能够讲述故事、传递信息的词。

训练停用词

再超Transformer！Google| 提出两个新模型(Griffin、Hawk)，强于Mamba，更省资源

研究者发现这种组合极为高效，因为局部注意力能准确模拟最近的过去，而循环层则能在长序列中传递信息。

transformer 训练

StableDiffusion

StableDiffusion模型推荐系列（功能型）

一个成功的logo不仅要简洁明了，还要能够传递出品牌的核心价值和理念。

StableDiffusion 文生图

大模型应用的10种架构模式

更大的模型（如GPT-4）负责理解上下文，并将其分解为特定的任务或信息请求，这些任务或信息请求被传递给更小的代理。

大模型架构

TrOCR——基于transformer模型的OCR手写文字识别

打印数据集模型也分别包含三个维度的模型：使用TrOCR 来进行图片文字识别，我们可以直接使用GitHub开源代码来实现这里我们需要下载预训练模型，并传递一张需要的图片来进行识别即可

OCR 手写文字识别

Stable Diffusion

Stable Diffusion基础：ControlNet之身份标识

原理先看左侧上部：Instant ID 通过 IP-Adapter 技术提取参考图片中的面部特征信息，然后通过交叉注意力（Cross Atttention）将面部特征信息传递给 UNet，用于在反向扩散过程中影响人脸的生成

ControlNet 文生图

什么是BERT？

它强调了不再像以往一样采用传统的单向语言模型或者把两个单向语言模型进行浅层拼接的方法进行预训练，而是采用新的masked language model（MLM），以致能生成深度的双向语言表征。

embedding

必读！RAG好用的3种Router

选择专家模型及数据集：首先，需要找到适合特定领域（如生物、编程、物理科学）的指令数据集和模型专家，以便路由模型学习传播相关的查询提示

RAG Router

图解 transformer——逐层介绍

当前自注意力层的输出被传入前馈层，然后将其输出至下一个编码器。

Transformer 大模型图解

GPT让你拥有超强的写作能力！

好的写作不仅能清楚地传达信息，还能展示专业性和注意细节的能力。

GPT 写作

24年首篇离奇论文：加点噪声，RAG效果翻倍？

与传统的大型语言模型相比，RAG系统通过引入外部数据提高了其生成能力。

RAG 检索增强

24年首篇离奇论文：加点噪声，RAG效果翻倍？！

与传统的大型语言模型相比，RAG系统通过引入外部数据提高了其生成能力。

RAG 检索论文

图解检索增强式生成（RAG）技术 | 万字长文

有两种方式：通过在检索到的较小块周围扩展句子来增加上下文，或者递归地将文档分割成包含较小子块的较大父块。

检索增强式生成 RAG

自从prompt用了示例演示，GPT的输出稳定性达90%

它们应明确、具体，能够清晰地传达预期的输出方向。

prompt 提示词

<...2 3 4 567 8 9 10 11 ...>

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