文章列表-AI魔法学院

文章列表

歪理大集合，谁也跑不了

一边发文一边很是写了一点“歪理邪说”，有读者说因为自定义的话语体系，逻辑抽象读起来费劲，所以先简单梳理下。

大模型

精通结构化提示词：如何精确操控指令的作用域与优先级

如果你写过复杂的提示词，你肯定也遇到过下面这些问题：对于一条“明确的”指令，有时生效，有时不生效。

提示词结构化

LLM应用架构之检索增强（RAG）的缘起与架构介绍

从上图可以看到，参数规模和训练的token数是正相关的，以gpt3为例，它有1750亿参数，其训练的token量达到了2000亿，据说包含了全球所有公开的文本信息，自然它能什么都懂就不奇怪了。

LLM

Prompt逆向工程：轻松复刻OpenAI“神级”提示词

每个共同特点应生成一个独立的‘提示词结构体’。

大模型

如何成为LLM提示词大师！「大语言模型的底层心法」

· 修改：重新编写文本以实现不同的意图，如改变语气、形式、外交手法、风格等。

大模型提示词

保姆级教程：手把手教你创建GPTs角色应用

文章主要包含以下三个部分： GPTs技术是什么？

GPTs 教程

让你起飞的五个Prompt框架模型

在当今日益数字化的世界中，人工智能已经成为我们日常生活的重要组成部分。

prompt 大模型

贝叶斯定理的颠覆：为什么你永远说服不了阴谋论者？

生活中到处都是那些数据不能以我们期望的方式说服人们的情况。

贝叶斯定理

大模型应用中大部分人真正需要去关心的核心——Embedding

（RAG），这个场景在企业本地化应用中比较受欢迎，可以保护企业数据安全，又可以让企业借助AI提升生产效率。

大模型

提高写作能力的90个prompt大全

您需要避免歧义并提供清晰的信息，以确保 ChatGPT 准确理解并表达您的意图。

prompt 写作

Yi技术报告细节分享

Paper: https://arxiv.org/abs/2403.04652 预训练阶段数据构造 Yi模型在预训练阶段的数据处理流程主要如下图所示，主要是对爬取的网络文本进行数据过滤和去重

Yi模型大模型

AI 换脸——Deepfacelab 下载与安装，新手教程

AI 换脸就是采用生成式对抗网络（GAN, Generative Adversarial Networks ）的人工智能算法，第一次接触是冯·诺依曼研究的博弈论，在这里不再深入探究，大家有兴趣可以去了解

Deepfacelab 换脸

应用编排的未来是Pipeline，LlamaIndex开发预览版推出Query Pipeline，提升应用开发的灵活性

传统做法是固化召回，粗排，精排等环节，形成标准的推荐系统处理流程，虽然有利于行业内交流沟通，但这样的方式，在实际生产环境下往往难以快速应对差异化的需求且人为导致模块的割裂及维护的困难，而笔者曾开源了一个

Query Pipeline 大模型

爆肝两天！ChatGPT+提示词解决知识库目录混乱

从而经常产生出几个让人困扰的问题： · “我记得这份文件存在，但找不到它！”

智能分类大模型知识库

一个写了会上瘾的公众号写作模板

接下来，就分享一下我最初坚持下来的写作模板，从日常的生活去入手，或许能够让你觉得写作其实原来如此的简单，更加容易坚持下去。

公众号写作模版

<...63 64 65 666768 69 70 71 72 ...>

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