文章列表-AI魔法学院

文章列表

解读提示工程（Prompt Engineering）

提示微调包括了在使用 LLM 之前使用一个小的可训练模型。

Prompt 提示词

十篇高质量的AI-Agents相关论文，让AI教你认识AI-Agents

的AI Agents是AGI领域接下来重要的发展方向，使得很多原本嘲笑Auto-GPT开发者，开始更多开始正视基于LLM驱动的AI-Agents系统。

开源模型

从思维链(CoT)，到思维树(ToT)，再到思维图(GoT)：用LLMs解决复杂问题！

这种方法优点能够将任意LLM的思维组合在一起，提炼出整个思维图内容。

大模型

60分钟吃掉ChatGLM2-6b微调范例~

干货预警：这可能是你能够找到的最容易懂的，最完整的，适用于各种NLP任务的开源LLM的finetune教程~ ChatGLM2-6b是清华开源的小尺寸LLM，只需要一块普通的显卡(32G较稳妥)即可推理和微调

开源模型

推荐智能体：利用大模型进行交互式推荐

针对每个领域微调LLM既不经济也不高效。

大语言模型推荐

Qwen7b微调保姆级教程

前方干货预警：这可能是你能够找到的，最容易理解，最容易跑通的，适用于各种开源LLM模型的，同时支持多轮和单轮对话数据集的大模型高效微调范例。

Qwen7b 大模型

人工智能大语言模型微调技术：SFT 、LoRA 、Freeze 监督微调方法

在快速发展的人工智能领域，高效且有效地利用大型语言模型 (LLM) 变得越来越重要。但是我们可以通过许多不同的方式使用大型语言模型，如果您刚开始，这可能会让人不知所措。本质上，我们可以通过两种主要方式将预训练的大型语言模型用于新任务：上下文学习（in-context learning）和微调（finetuning）。在本文中，我们将介绍介绍微调 LLM 的各种方法。

大模型微调

RAG 修炼手册｜一文讲透 RAG 背后的技术

今天我们继续剖析 RAG，将为大家详细介绍 RAG 背后的例如 Embedding、Transformer、BERT、LLM 等技术的发展历程和基本原理，以及它们是如何应用的。

RAG Embedding

Yann LeCun杨立昆最新观点：AGI不存在

LLM显然还缺乏这些能力。

AGI 大语言模型观点

确实很神奇! 通过 Prompt 中加入“这件事对我的事业至关重要”这样的情感激励可以提升 LLMs 的表现

尽管大型语言模型(llm)越来越被视为向人工智能迈进的一步，在许多任务中表现出令人印象深刻的表现，但llm是否能够真正掌握心理情绪刺激仍然不确定。

Prompt 大模型情感激励

Dify：大模型创业开源工具，46,558 行代码，完全开源

Dify 是一个开源的 LLM 应用开发平台。

Dify 开源工具

利用LangChain建gpt专属知识库，如何避免模型出现“幻觉”，绕过知识库知识乱答的情况？

随着LLM的蓬勃发展，企业、个人知识库越来越火。

LangChain 知识库

Langchain的一些问题和替代选择

Langchain因其简化大型语言模型(llm)的交互方面的到关注。

大模型

必读！RAG好用的3种Router

例如：写代码的Code-LM、做数学的meta-math,做图文多模态的Macaw-llm等等。

RAG Router

如何修复GPT幻觉、及评估数据集的挑战

生成大型语言模型 (LLM) 可以对各种用户提示生成高度流畅的响应。

大模型

<...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