文章列表-AI魔法学院

文章列表

RAG 与 Finetuning，谁是提升 LLM 的最佳工具？

在本博文的最后一部分，我们将确定构建 LLM 应用时应考虑的其他方面。

训练

chatglm3基础模型多轮对话微调

SFT数据格式使用自己的数据可以参照formatted_samples.json文件，这里没有考虑system，实际使用可以根据自己的情况加上，需要修改chat_data_module.py中对应的数据处理部分

ChatGLM 微调

Stable Diffusion

Stable Diffusion｜儿童绘本全流程制作分享

TTSMaker链接：https://ttsmaker.com/ 2.

StableDiffusion 绘本

AI写作：一步到位，如何用 AI 生成整篇文章？做自媒体必看！

扮演自媒体写作专家的角色，以“问题-答案”结构来打造一篇主题为<xxx>文章，首先明确提出几个针对主题的关键问题，然后给出详尽的答案和解答，支持以实证数据或案例，最后集结答案并进行深度反思和展望

结构化提示词写作

检索增强生成(RAG)有什么好的优化方案？

下面针对每个模块分别做说明（备注：以下内容部分参考了检索增强生成技术(RAG)深度优化指南：原理、挑战、措施、展望）。

RAG 检索增强

检索增强生成(RAG)有什么好的优化方案

下面针对每个模块分别做说明（备注：以下内容部分参考了检索增强生成技术(RAG)深度优化指南：原理、挑战、措施、展望）。

RAG 检索增强生成

7个有用的Prompt参数

1、上下文窗口上下文窗口参数决定了模型在生成响应时要考虑的文本数量。

prompt

AI出题，做不完，根本做不完

举个例子：请你扮演一名数学老师，从事小学数学教育30年，精通设计各种数学考试题。

大模型提示词试题

大模型：泛化即智能，压缩即一切

为了下文行文方便，这里会将本篇文章想要表达的核心思想做一下定义。

大模型泛化

ChatGLM3-6B 功能原理解析

工具方法参数使用Anotated进行标注，然后再调用 SerpApi 的方法进行网络查询，其中的process_response方法是对查询结果进行解析，获取第一条查询结果提取内容并返回，具体实现可以参考&

ChatGLM3 大模型

关于GPT-4在变笨，有人写了篇论文证实了这一点

尤其注意的是，两个模型不同版本给出的答案重叠度也很小，论文给出的推测原因之一是其思维连贯能力出现了问题。

大模型

腾讯开源的数字人MuseTalk到底行不行？

我就不浪费笔墨上传了，大家感兴趣可以去这里看： https://github.com/TMElyralab/MuseTalk 对了，多说一下，这个网站上放的有趣案例，这么模糊的视频怎么好意思往上放呢

MuseTalk 数字人音频

Stable Diffusion

嘴里塞饭型Stable Diffusion提示词写法实用小笔记

不过写出来只是为了理解，或者有时候看一些国外的爱好者发的tag，能知道意思就好，话说他们在用法上感觉好很多。）

stablediffusion prompt 提示词

大模型+人形机器人，是不是下一个风口？

而从实际应用的角度来看，推动整个产业链走向成熟和完善的可能也是特斯拉。

大模型

剪映克隆声音功能详解：剪映上线5秒“AI克隆音色”，一堆AI公司又要进入慢性死亡了...

所以剪映的这个方式也挺有意思的，必须是你用录制的方式，念出文本上的随机的话，还不能念错。

剪映声音克隆

<...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