文章列表-AI魔法学院

文章列表

Agent : 一文读懂LLM Agent架构，详解Profile，Memory，Planning，Action模块作用

每当基于Agent的新开源工具或产品出现时，都能引发热烈的讨论，比如之前的AutoGPT。

大模型 LLM Agent

Stable Diffusion

深入浅出学习Stable diffusion之线稿转效果图

4、可以叫做训练模型，别的模型是训练好了的，这个是用来反向训练的，这个内容将之后做另外讲解。

Stable Diffusion 文生图大模型

企业数字化转型的“阿里阿德涅之线”在哪？

三、企业如何抓住数字化转型的阿里阿德涅之线？

大模型用户

AIGC系列之一-一文理解什么是Embedding嵌入技术

我添加了一个对象“water”来显示类别之间的差异。

AIGC Embedding 嵌入技术

忘掉 RAG，未来是 RAG-Fusion！搜索的下一个前沿：检索增强生成遇上倒数排名融合和生成查询

减少幻觉现象：RAG显著降低了LLM产生幻觉的倾向，使生成的文本更加基于数据。

RAG-Fusion 检索增强

2023检索增强生成技术（RAG）研究进展

通过将动态检索过程与生成过程结合，RAG允许模型在生成响应之前，先从一个更广泛、更新的知识源中获取信息。

RAG 检索增强

2024！深入了解大语言模型（LLM）微调方法（总结）

LLM项目生命周期在介绍大模型微调方法之前，首先带大家了解一下大语言模型的项目生命周期，它大致可以分为以下几个步骤，如下图所示「1、项目目标」：首先，明确项目目标。

大模型微调

心理健康AI应用空白：LLM评估基准震撼出炉（附Prompt模板）

LLM在心理健康应用的意义这些发现突显了大型语言模型在心理健康领域应用的潜力和限制。

大模型心理

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

2023年LLM如何入门？请看这篇综述！

下图是各种数据源在现有LLM预训练数据中的比例： image.png 1.2 数据清洗在收集大量文本数据之后，对数据进行预处理以构建预训练语料库非常重要，尤其是需要去除噪声、冗余、无关和可能有害的数据

大模型

AI知识库总是不准？教你无脑用GPT整理结构化数据集...

随着LLM的蓬勃发展，企业、个人知识库越来越火。

GPT

AI绘画：stable difussion SD插件之无限抽卡神器 dynamic prompts（动态提示词）

今天带来抽卡神器：dynamic prompts（动态提示词）插件可以大幅提升抽卡的效率，结合前面的提示词合集让我们开启无限抽卡之旅吧！

AI图片

使用知识图谱提高RAG的能力，减少大模型幻觉

防止LLM产生幻觉的方法之一是使用提供事实信息的外部知识来源，如数据库或知识图谱。

RAG 大语言模型

大模型检索增强生成(RAG)高质量报告

今天分享一个来自同济大学Haofen Wang的关于检索增强生成的报告：《Retrieval-Augmented Generation (RAG): Paradigms, Technologies, and

RAG 大模型检索

如何成为LLM提示词大师！「大语言模型的底层心法」

自然语言之间的翻译代表了LLM的另一个关键的转换能力。

大模型提示词

<...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