文章列表-AI魔法学院

文章列表

基于LLM+向量库的文档对话痛点及解决方案

方法3：直接法。

开源模型

硬核Prompt赏析：HuggingGPT告诉你Prompt可以有多“工程”

步骤3：任务执行（Task Execution）任务执行就是唤起选中的模型，执行算法，最后返回结果给到ChatGPT。

提示词 prompt

AI能赚到钱了么？

如果回到2015年前后，大概有3个新方向出现了：一个是人工智能，一个是区块链，一个是SaaS，感受到互联网基本到头又不甘于寂寞的同学很多去了这三个方向，然后人工智能和SaaS持续10年不盈利，区块链倒是赚钱但因为其它原因差不多消失了

大模型商业模式

大模型微调方法总结

3、Prefix-tuning paper：Prefix-Tuning: Optimizing Continuous Prompts for Generation（https://arxiv.org/

开源模型

40个prompt，让你成为麦肯锡高手

3.

prompt

SD入门教程零：应用场景

3.换装模特衣服上身，这种场景一般应用在电商领域，我们可以把不同的衣服换到同一个模特身上，也可以把一件衣服换到不同的模特身上。

Stable Diffusion 文生图入门教程

省钱！微软开源框架LLMLingua + LlamaIndex实现提示词压缩

Premier League']) retriever = VectorStoreIndex.from_documents(documents).as_retriever(similarity_top_k=3)

LLMLingua LlamaIndex 开源框架

RAG——使用检索增强生成构建特定行业的大型语言模型

· huggingface/transformers · GitHub[2] huggingface： •facebook/rag-token-nq · Hugging Face[3]

大模型

Stable Diffusion

全面理解Stable Diffusion采样器

DPM++ 2M Karras、20-30 步 3.

绘画采样器 SD

AI音乐热潮下，“神曲工作室”率先失业

资深的演艺经纪人告诉娱乐资本论·视智未来，即使是初出茅庐的“十八线小咖”，也会努力抓住面对面上台对观众展示的机会，甚至以一周3-4个城市的高强度巡演；另一方面，作曲和编曲的人不得不承认，AI创造出的音乐已经在大踏步追上人类多年积累的智慧结晶

音乐音频

OpenAI 无需向量化的 RAG 新架构设计范式剖析

· 逐层钻取：在后续轮次中，大模型会对上一轮挑选出的相关内容再次进行细致切割（比如：每个选定块再切分 3 份），然后再次让大模型挑选，如此往复，直到找到与用户问题最相关的段落级别内容。

OpenAI RAG 架构

Stable Diffusion

99%的人都不懂的Stable Diffusion高级功能，Negative Prompt如何正确使用?

3.

Negative Prompt 文生图

ModelScope(一站式开源的模型即服务共享平台)的简介、安装、使用方法之详细攻略

简单快速验证模型效果；用自己的数据对模型进行调优，定制自己的个性化模型；学习系统性的知识，结合实训，有效提升模型研发能力；分享和贡献你的想法、评论与模型，让更多人认识你，在社区中成长； 3、

开源

RAG检索增强技术在知识库智能检索场景下的应用实践

2.1.3、步骤3：生成在生成阶段，原始查询和检索得到的文本块结合起来作为输入，送入语言模型中。

知识库 RAG检索增强

TypeChat 入门指南

3.

TypeChat

<...58 59 60 616263 64 65 66 67 ...>

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