文章列表-AI魔法学院

文章列表

写好Prompt提示工程的一套通用框架 - 5个关键要素

指令（Instruction） - 你希望模型执行的具体任务或指令。

Prompt 提示工程

如何最简单、通俗地理解Transformer？

Transformer的意义体现在它的长距离依赖关系处理和并行计算，而这两点都离不开其提出的自注意力机制。

Transformer 大模型

Windrecorder：连续记录屏幕内容，通过OCR技术识别记录内容

它的所有能力（录制、识别处理、存储回溯等）完全运行在本地，无需联网，不上传任何数据，只做应该做的事。

Windrecorder 录屏

检索增强生成(RAG)：LLM企业级应用落地的挑战与思考

需要对关键路径进行优化，以提升整体性能。

大语言模型 RAG检索增强

新测试基准发布，最强开源Llama 3尴尬了

同时确保入选的提示词具有高质量，有七个关键指标来衡量： § 具体性：提示词是否要求特定的输出？

Llama 3 大模型开源

检索增强生成(RAG)有什么好的优化方案？

RAG优化分为两个方向：RAG基础功能优化、RAG架构优化。

RAG 检索增强

阿里的AI一键换衣（AnyDoor）工具来了

正面的应用，是电商行业，用塑料模特的照片，换成真人，而衣服能够保持自然；负面的应用，是把正常人的衣服换成暴露的情况。

AnyDoor 换装文生图

栩栩如生,音色克隆,Bert-vits2文字转语音打造鬼畜视频实践

通过这两种任务，BERT能够学习到上下文感知的词嵌入和句子级别的语义表示。

Bert-vits 语音

[开源]面向中小团队的轻量化知识管理应用，构建知识库和知识社区

“知了”在功能上突出“知识管理”，使用中力求“轻量化”。

大模型

开发语音产品时设计唤醒词和命令词的技巧

符合用户的语言习惯，尽量采用常用说法，内容具体直接； 4.

语音产品唤醒词命令词

大模型实践总结

具体的硬件配置如下： CPUs: 每个节点具有 1TB 内存的 Intel CPU，物理CPU个数为64，每颗CPU核数为16。

大模型训练

实测：本地跑llama3:70B需要什么配置

前几天发布的开源大语言模型Llama 3 70B的能力通过测试结果的展示已经达到了一个全新的高度，甚至可以与Claude 3 Sonnet和Gemini 1.5 Pro等一众顶级模型相媲美，甚至在某些方面已经超过了去年发布的两款

llama GPU内存

微软Phi-3、Mixtral 8x22B等小模型过拟合，三分之二存在数据污染

但随后，研究者们指出当前大模型研究领域存在一个关键问题：很多研究未能正确地对现有 LLM 的能力进行基准测试。

过拟合小模型

8个超级GPTs Agent，每个浏览量超20w+（实用建议+攻防Prompt）

2）从基础应用开始从基础应用构建GPTs时，选择一些特定的基础应用，这种方法不仅能使模型专注于提供一致性输出，还能使你更轻松的完成，收获一些成就感。

GPTs Agent

NEFTune：在Embedding中加入噪⾳提⾼指令微调效果！

NEFTune导致在对话任务的性能上出现了显著的⻜跃，同时保持了对事实性问题回答基线的性能。

NEFTune 大语言模型

<...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