文章列表-AI魔法学院

文章列表

两个案例教你如何用BRTR原则优化Prompt

BRTR 原则的核心价值在于其系统性和全面性，它鼓励我们从背景、角色、任务和要求四个维度去思考和明确 Prompt 。

BRTR Prompt 写作

LLM之RAG实战（五）| 高级RAG 01：使用小块检索，小块所属的大块喂给LLM，可以提高RAG性能

但有时嵌入/检索大的文本块可能会感觉不太理想。

RAG 检索

ChatGPT提示工程5篇合集(一)：ChatGPT提示工程的两个关键原则 - 吴恩达和OpenAI合作（珍藏版）

示例内容有点长，建议打开电脑，耐心学习并花点时间去实践，值得！）

prompt 提示词

SD入门教程零：应用场景

2.换脸给模特换脸，比如有一个模特可以换各种样式的脸，同样可以对于模特的局部（眼睛、嘴唇、鼻子、嘴巴）做出变化，还能控制模特的微表情（开心、忧伤、生气等）。

Stable Diffusion 文生图入门教程

开发语音产品时设计唤醒词和命令词的技巧

若您还未确定命令词，建议您从文档中心的“命令词推荐”中选择。

语音产品唤醒词命令词

深度洞察：人工智能体(AI Agent)2024年重要发展趋势指南

用户在与人工智能体交互时将获得信心，将推动更快速的技术迭代改进飞轮。

AI Agent 人工智能

DeepSeek V3刷屏，550万元2000张卡做出的开源模型，和OpenAI几亿烧出来的一样好

在推理阶段，某些专家可能会因任务量过多而成为瓶颈。

DeepSeek V3 开源模型

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

它提供了模型管理检索、模型下载、模型调优和训练模型推理。

开源

栩栩如生,音色克隆,Bert-vits2文字转语音打造鬼畜视频实践

BERT的核心思想是通过在大规模文本语料上进行无监督预训练，学习到通用的语言表示，然后将这些表示用于下游任务的微调。

Bert-vits 语音

人工智能大语言模型微调技术：SFT 、LoRA 、Freeze 监督微调方法

监督式微调在计算机视觉、自然语言处理等领域中得到了广泛应用。

大模型微调

从0到1基于ChatGLM-6B使用LoRA进行参数高效微调

LoRA 技术原理 image.png LoRA 的原理其实并不复杂，它的核心思想是在原始预训练语言模型旁边增加一个旁路，做一个降维再升维的操作，来模拟所谓的 intrinsic rank（预训练模型在各类下游任务上泛化的过程其实就是在优化各类任务的公共低维本征

大模型

造梦师手记：重新定义真实，SDXL下载量最大的真人模型

接下来,我想返回Juggernaut的核心主题(电影),训练一个新的更大的模型,并最终将其与Juggernaut集成。

文生图 SDXL

拒绝996，想出海赚美元？这7个GPT方案绝对靠谱！

分享你的知识和心得，吸引全球的读者。

ChatGPT 写作

人工智能训练的灾难性遗忘以及解决方案

目标函数中包含新旧网络的参数约束，每训练一个新数据，利用所有的虚拟数据约束旧参数，抑制遗忘；这类方法被称为知识蒸馏法[6]；3）[7]从另一个角度来约束参数的变化，文中认为参数是一个概率分布，只要在这个分布的核心地带

人工智能大模型

图片拖拽神器DragGAN介绍及官方安装文档说明

运行 DragGAN Demo # 你可以通过以下指令运行 DragGAN 的 Demo python -m draggan.web 如果你不小心关掉了命令行，也不用重新安装

开源

<...62 63 64 656667 68 69 70 71 ...>

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