文章列表-AI魔法学院

文章列表

图解 Transformer——功能概览

一、引言随着大型语言模型如 ChatGPT 的横空出世，我们进入了自然语言处理（NLP）的一个新纪元。

Transformer 大模型图解

在 WebUI 中使用 AnimateDiff 的一些问题和技巧

这两天晚上没事的时候就会尝试下AnimateDiff，发现这真的让视频生成上了一个大台阶，估计是到了AI视频爆发的前夜了。

AnimateDiff SD

分析了数百万ChatGPT用户会话后发现的秘密

但并不表明生成式人工智能的兴趣或使用实际上正在下降：理论 A）专业/常规使用仍处于历史最高水平或不断增长；只有新用户/那些没有特定任务的检查者正在下降理论B）大量使用与功课有关

大语言模型

LlamaIndex的QueryPipeline在实现RAG应用后，Agent应用也可以实现了（附开发示例）

Agent应用可以通过QueryPipeline的方式实现吗？如果可以，它将能统一整个应用的构建模式，对于开发者来讲，会带来一致的开发体验。这个答案是肯定的，最近官方放出了一个通过QueryPipeline构建ReAct Agent示例。实际上，实现思路很直接，就是定义了AgentWorker（类似于langchain的AgentExecutor的实现，支持ReAct模式的循环）在其上实现了一些Agent特有的组件，进而基于此实现了AgentPipeline，但langchain现在已经发现了这样设计在生产条件下的限制，推出了langgraph。

Agent QueryPipeline 大模型

12个RAG常见痛点及解决方案

当实际答案不在知识库中时，RAG系统提供一个看似合理但不正确的答案，这会导致用户得到误导性信息解决方案：在由于知识库中缺乏信息，系统可能会提供一个看似合理但不正确的答案的情况下，更好的提示可以提供很大的帮助

RAG 大模型

小心你的GPTs 防守篇 - 自带六神装的高防GPTs

距离我们 GPTs 攻防的上篇发布到现在已经过去了两周，也有很多的群友积极参与了我们的攻防活动，但是截止目前还没有人破解到我们的 prompt，不少群友想要我们分享一下防守的经验，这一篇我们就来为大家带来

GPTs 大模型

LLM微调经验&认知

数据质量可能更重要，太大的数据量有可能“阉割”掉模型原有的base能力 8.

LLM 大模型

Prompt：我常用的对话技巧

这里正好给大家介绍一下我平时使用大模型的小技巧，相信有人在很多地方已经用过了。

prompt 大模型

如何提高RAG 的效果

同理，检索到的信息中如果存在冲突，或者冗余的内容时会极大的影响LM 的生成效果。

RAG 大模型

混合专家模型 (MoE) 详解

例如，在混合专家模型 (MoE) 中，尽管较大的批量大小通常有利于提高性能，但当数据通过激活的专家时，实际的批量大小可能会减少。

MoE大模型

无限长的上下文，也干不掉的RAG

之前有一个论调，说如果大模型支持足够长的上下文内容时候，是否就不在需要向量库。

RAG 大模型

万字长文震撼来袭！揭秘Transformer——吐血解读自注意力机制的革命性突破

在两个机器翻译任务上的实验表明，这些模型在质量上更优越，同时更易于并行化，且训练时间大大减少。

Transformer 大模型

Agent具体实现

Chain 是静态的，过程是事先设计好的；而 Agent 则是动态的，由大模型来决策整个过程。

Agent 大模型

Stable Diffusion

【Stable Diffusion操作升级】Stable Diffusion 常用模型下载与说明

（当然你可以通过训练自己的专有模型而专门用于某一用途，这也将成为你作为AI绘画者的最重要的核心竞争力之一）因此，学会使用各类模型对于学习使用Stable Diffusion非常重要。

文生图 SD

郭德纲讲英语相声详细教程

郭德纲用英文说相声的短视频火爆全网，同类型的AI短视频层出不穷，更有好莱坞明星说中文的短视频，不断地出爆款，那么现在我们就开始学习如何制作一个同类型的AI短视频吧！

数字人音视频

<...56 57 58 596061 62 63 64 65 ...>

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