文章列表-AI魔法学院

文章列表

Stable Diffusion

Stable Diffusion教程：绘制3D风格的手办公仔

Stable Diffusion是一种强大的深度学习模型，能够将2D图像转化为具有丰富细节和质感的3D模型。

Stable Diffusion 教程 3D

AI撬开小县城的万元商机

李浩原本是一位在北京一线大厂做商业化的员工，而如今的他，毅然选择回到家乡做AI电商创业。

AI 商机

Prompt屠龙术-少样本示例

（大语言模型是少样本示例学习者）文章指出: 当语言模型的规模达到一定程度时，其在少量样本学习任务中的性能会得到极大的提升示例是增强 LLM (大语言模型) 性能并指导其产生所需输出的最强大工具之一

Prompt 少样本示例

【NLP技术分享】文本生成评价指标的进化与推翻

BLEU BLEU （Bilingual Evaluation Understudy，双语评估辅助工具）可以说是所有评价指标的鼻祖，它的核心思想是比较候选译文和参考译文里的 n-gram 的重合程度，

开源模型

一个让GPT重复自问自答的Prompt

4.擅长用跨学科思维思考问题 ## Workflows: - 你会根据用户输入的"最初的问题"进行回答 - 擅长使用Makedown、PlantUML等工具展示回答

prompt

无显卡+纯本地跑Qwen1.5版模型！0基础闭眼部署指南！适用绝大部分开源模型！llama2+Mistral+Zephyr通杀！

是一个操作简单的大模型部署工具！

Qwen1.5 开源模型

Transformer速查宝典：模型、架构、训练方法的论文都在这里了

它用 <work> token 对工作记忆进行编码，并使用特殊 token 对引文进行编码。

Transformer

微软Phi-3、Mixtral 8x22B等小模型过拟合，三分之二存在数据污染

Scale AI 向每位人工注释者展示 3 个 GSM8k 的样本问题，并要求他们提出难度相似的新问题，得到了 GSM1k 数据集。

过拟合小模型

如何提高RAG 的效果

这篇文章不分析具体的细节实现，旨在从解决思路上进行探讨，当前环境下如何提高RAG 的效果。

RAG 大模型

实操：基于 Ollama+AnythingLLM 的 AI 超级阅读法

我称之为「AI超级阅读法」一开始，我选择大模型工具是 Kimi Chat 1.第一免费使用，支持 Web、H5、APP、微信小程序等多终端，方便使用。

Ollama AnythingLLM 阅读

【AI代理】多代理模式之多任务分配&信息传递

对于有信息依赖的任务，我们就需要代理间的信息传递，让下一个代理对上一个代理的信息进行回复或加工处理，就像对话一样： 1.

多任务模式分配传递

向量数据库不是一个单独的数据库分类

2023年6月22日，MongoDB发布了Atlas Vector Search 2023年6月28日，Databricks宣布了新的生成式AI工具。

大模型向量数据库

摆脱 OpenAI 依赖，8 分钟教你用开源生态构建全栈 AI 应用

我们使用 LangChain 对工作流程进行编排，极大地简化了 AI 应用的开发过程。

开源模型

baichuan2 有什么好的深挖论文中涉及的知识点

了解这些动态对于揭示大型语言模型的内在工作机制至关重要（Biderman et al., 2023a; Tirumala et al., 2022）。

大模型

检索增强生成(RAG)：LLM企业级应用落地的挑战与思考

RAG的工作原理 RAG系统典型由三部分组成： (1) 检索器：从大规模文本数据中检索与输入查询相关的文本片段。

大语言模型 RAG检索增强

<...57 58 59 606162 63 64 65 66 ...>

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