文章列表-AI魔法学院

文章列表

混合专家模型 (MoE) 详解

稀疏混合专家模型 (MoE) 适用于拥有多台机器且要求高吞吐量的场景。

MoE大模型

什么情况用Bert模型，什么情况用LLaMA、ChatGLM类大模型，咋选？

LoRA的优点是它的低秩分解很直观，在不少场景下跟全量微调的效果一致，以及在预测阶段不增加推理成本。

大模型

大模型RAG检索增强问答如何评估：噪声、拒答、反事实、信息整合四大能力评测任务探索

为了模拟真实世界的场景，使用实际的新闻文章来构建问题和答案数据。

大模型 RAG检索增强

基于大模型（LLM）的Agent 应用开发

他们为各种gpt分配不同的角色来协作开发软件，针对特定场景制定专门的解决方案。

大模型 Agent

分析过688篇大模型论文，这篇论文综述了LLM的当前挑战和应用

社会科学和心理学快速发展的 LLM 也在心理学和行为科学领域找到了潜在的应用场景。

开源模型

OpenAI的官方Prompt工程指南详解 - 看这一篇真的就够了

比如在客服场景中，用户问了一个问题“我断网了咋整”，你让大模型直接回复其实是挺蛋疼的，但是这时候就可以拆，先拆大分类下的意图识别，再回答具体的问题。

提示词 prompt

Prompt屠龙术-少样本示例

o • 多样性：包括涵盖不同场景、边缘情况和潜在挑战的各种示例。

Prompt 少样本示例

OpenAI的官方Prompt工程指南详解 - 看这一篇真的就够了！

比如在客服场景中，用户问了一个问题“我断网了咋整”，你让大模型直接回复其实是挺蛋疼的，但是这时候就可以拆，先拆大分类下的意图识别，再回答具体的问题。

OpenAI Prompt 提示词

理解 o3 及其技术分析

实际上别说是o3，如何理解o1的优势，如何理解o1 pro mode的优势，能够较好的预判在具体场景中哪个的性价比更高都是个颇为困难的事情。

o3 技术分析

9个范例带你入门langchain

openai_api_key='YOUR_API_KEY' # 使用你自己的OpenAI API key 一，文本总结(Summarization) 扔给LLM一段文本，让它给你生成总结可以说是最常见的场景之一了

大模型

微调百川Baichuan-13B保姆式教程，手把手教你训练百亿大模型

生成脚本中的top_p、repetition_penalty、temperature、do_sample等参数对模型的生成效果影响较大，可按照自己的使用场景进行调试修改。

大模型微调

马斯克怒告OpenAI案解密：Ilya看到了什么？125万亿参数Q*细节曝光，53页PDF全网疯转

在目前全社会对OpenAI的担忧情绪下，这种描述的确很应景。

OpenAI 大模型

被低估的面壁：打造出不输 OpenAI 的 Scaling Law 曲线

如此一来，一方面可以提升大模型的效率，让每个参数发挥更好的效果；另一方面也能在与应用场景相匹配的成本下做出最好的模型。

Grok-1 开源模型

Elasticsearch Relevance Engine---为AI变革提供高级搜索能力[ES向量搜索、常用配置参数]

考虑到向量检索的大部分场景都是返回与该元素相似的topk个元素即可，比如推荐中的召回，只需召回近似100个item，也不关注item间的相对顺序，也无需100%准确，毕竟上游还会有粗排和精排。

大模型 AI编程

一文带你认识ELMo

在此之前的Word Embedding本质上是个静态的方式，所谓静态指的是训练好之后每个单词的表达就固定住了，以后使用的时候，不论新句子上下文单词是什么，这个单词的Word Embedding不会跟着上下文场景的变化而改变

embedding

<...53 54 55 56 57 58 59 606162 >

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