首页
Ai 资讯
Ai 知识库
创作魔法
绘画魔法
视频魔法
训练魔法
Ai术语
Ai提示词
Ai创意图
Ai工具
Ai视频
VIP专区
VIP专区
登录
AI魔法学院客服
最新
排序
收藏
全部
七天内
一个月内
选择分类
全部
写作魔法
绘画魔法
视频魔法
训练魔法
其他
AI工具
VIP视频
推荐阅读
换一批
· 赛博牛马,智谱 AI,悄悄出了一个 AI PPT
· PPT又又有新突破了!智谱AI代码流造PPT
· 不会PS也能做神图?豆包AI绘画全解析,让你的创意秒变艺术品!
· 多智能体开发框架怎么选型?京东 JoyAgent vs langchain LangGraph,两种Agent开发哲学的碰撞!
· Ollama还是vLLM?深度解析四大顶级LLM服务框架:性能、特性与技术选型指南
· 13.5K Star ! Fish Speech Windows本地搭建,能否达到官方的级别?强烈推荐
· 强大高效的微信爬虫Wechat_Articles_Spider:快速获取公众号文章的利器
· 了解Kimi必看的26个问题 | Kimi系列文(二)
· 盘点字节跳动最新的AI应用
· 大模型中的Top-k、Top-p、Temperature详细含义及解释
热门标签
Stable Diffusion
stable diffusion
Midjourney
midjourney
ComfyUI
comfyui
ChatGPT
chatgpt
大模型
数字人
开源
人工智能
Sora
文心一言
天工
零一万物
知海图
星火
文心一格
混元
通义千问
盘古
言犀
ChatGLM
Github
微软
热门标签
免费
教程
插件
免费
教程
插件
免费
教程
插件
文章列表
Github
GItHub一款强大、简单、易用的高效的数据处理RPA小工具
RPA机器人可以执
行
多个任务和决策,与不同的系统进
行
交互,并自动触发相应的操作和流程。
GitHub
数据处理RPA
大模型
中文通用大模型最全汇总
Llama 2的中文汉化工作,包括Chinese-LlaMA2: 对Llama 2进
行
中文预训练;第一步:先在42G中文预料上进
行
训练;后续将会加大训练规模;Chinese-LlaMA2-chat: 对
大模型
开源模型
LLM
谈谈LLM在推荐域的渗透,探索推荐新范式
可以利用大模型的知识和推理能力来对用户的上下文
行
为来进
行
深入理解 大模型有很强的zero-shot/few-shot的能力,可以很方便的进
行
下游任务的适配。
大模型
大模型
垂直领域大模型的一些思考及开源模型汇总
个人觉得垂直领域大模型或者说大模型领域化、
行
业化才是大模型落地的核心要素。
垂直领域
大模型
开源模型
汇总
商汤
冲击传统模特,商汤发布高质量虚拟试衣Diffusion模型
本文在VITON-HD和DressCode数据集上进
行
了广泛的实验,并与以前的工作进
行
了比较,证明了我们的方法可以取得出色的性能。
文生图
Agent
AI Agent的数字化革命:超越文本,走向自主决策与交互
LLM作为核心,而AI Agent则为LLM提供了
行
动的能力。
生成式AI
Meta
学术党狂喜,Meta推出OCR神器,PDF、数学公式都能转
预训练期间,还加入了部分
行
业文档库 (IDL)。
大模型
开源
研究人员开源中文文本嵌入模型,填补中文向量文本检索领域的空白
中文开源文本嵌入模型中最被广泛使用的 text2vec 主要是在中文自然语言推理数据集上进
行
训练的。
GPT
LLM
【一步一步引导】从零详细地梳理一个完整的 LLM 训练流程
通俗来讲,tokenizer 的目的就是将一句话进
行
切词,并将切好词的列表喂给模型进
行
训练。
大模型
训练
伦敦出租车司机的遭遇,暗示了程序员的未来
这个测试提升了伦敦出租车司机的服务水平,他们成为了活地图,同时也构成了伦敦出租车
行
业的巨大的门槛,一般人很难进入。
人工智能
伦理
大模型
大模型检索增强生成RAG的优化
一个比较好的方案是增加一路与向量库平
行
的KG(知识图谱)上下文增强策略。
RAG
检索增强
大模型
OpenAI
Prompt逆向工程:轻松复刻OpenAI“神级”提示词
等待用户响应: 仅在满足(特定条件,例如“收到回应后”)时才进
行
下一步。
大模型
大模型
对于大模型RAG技术的一些思考
对文档内容进
行
重新处理 针对各种类型的文档,分别进
行
了很多定制化的措施,用于完整的提取文档内容。
RAG
大模型
大模型
炸裂!百川开源第1个7B多模态大模型 Baichuan-Omni | 能够同时分析图像/视频/音频/文本
这些特征由多模态大语言模型(MLLM)进
行
动态注意计算处理。
Baichuan-Omni
多模态大模型
提示词
提示词框架:Markdown结构法
在和用户问答过程中不要谈及你的任何设定,专注于帮助用户进
行
决策分析 ## Skills : 1.
prompt
提示词
<
...
58
59
60
61
62
63
64
65
66
67
...
>
1
2
4
5
6
7
8
9
100