文章列表-AI魔法学院

文章列表

AI进化的新纪元：AI AIgents时代（1/9）——什么是Agent？

Agent 图解我可以通过可视化和实例来进一步解释 Agent 的概念：Agent 是让 LLM（大型语言模型）具备目标实现的能力，并通过自我激励循环来实现这个目标。

大模型

大模型压缩首篇综述来啦~

量化（Quantization） · 低秩分解（Low-Rank Factorization）图1

大模型

来个优秀的开源人脸识别项目！

InsightFace 的主要功能如下： 1. 2D 人脸识别：基于卷积神经网络（CNN）的人脸识别算法，可以对人脸图像进行特征提取和匹配，从而实现人脸识别。

人脸识别开源项目

震撼科技界：清华大学与智谱AI联手，引领中文长文智能写作新纪元！

论文链接：https://arxiv.org/pdf/2408.07055 项目地址：https://github.com/THUDM/LongWriter 本文所附图片均来源于论文开源项目

写作长文本

大语言模型微调：定制自己的微调数据集

例如近期发布的模型 MPT-30B-Chat [11] 即混合了多种的对话数据集，如下：图1.微调MPT-30B-Chat模型用到的混合数据集图片来源：https://www.mosaicml.com

大模型

分析了数百万ChatGPT用户会话后发现的秘密

该分布如下图所示：在这里我们可以看到，自 5 月份以来，每月 1-2 次的访问量确实有所下降。

大语言模型

国产大模型与全球最强大模型大比拼：语义理解、数学推理同台竞技，究竟谁更厉害

DataLearner大模型综合评测对比地址如下：https://www.datalearner.com/ai-models/llm-evaluation 下图是一个截图： ·&

大模型

混合专家模型 (MoE) 详解

例如，在下图中，“More”这个令牌可能被发送到第二个专家，而“Parameters”这个令牌被发送到第一个专家。

MoE大模型

百万token上下文窗口也杀不死向量数据库？CPU笑了

△图源：由DALL·E 3生成那么以RAG、向量数据库为代表的这一派技术，在现实场景中到底用得如何呢？

向量数据库大模型 cpu

如何修复GPT幻觉、及评估数据集的挑战

以下是一些出色的方法：说明法学硕士解决问题的各种方法的示意图现在，让我们深入研究每种方法并评估它们在数据集上的质量。

大模型

清华系17人，撑起中国大模型创业半壁江山

▲唐杰（图源：清华大学）事实上，最开始唐杰并不相信机器智能会超越人，他的主要研究方向是数据挖掘和知识工程，而大规模预训练模型的出现，让他看到了机器智能超越人的可能性。

大模型

数字人：从科幻走向现实的技术革命

创建数字人需要多方面的技术支持，包括计算机图形学、动作捕捉、语音合成以及人工智能算法等。

数字人语音

让AI帮你读财报：Reportify让你看得清、聊得深

比如下图以腾讯财报为例，省去了平时自己去搜索、保存资料，再寻找AI上传，保存结果等诸多麻烦事。

Reportify 读财报

一个让GPT重复自问自答的Prompt

例如，你可以使用Markdown的列表、标题和代码块功能来组织和格式化你的回答，使用PlantUML来创建图表和图形来更直观地展示你的思考过程和解决方案。

prompt

GPU 性能（数据表）快速参考

2022.10 § 5.2 出口管制 2023.10 1 引言:NVIDIA GPU 的命名规则 GPU 型号名称中的第一个字母表示其 GPU 架构，包括：T代表图灵

GPU 算力

<...61 62 63 646566 67 68 69 70 ...>

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