文章列表-AI魔法学院

文章列表

关于GPT-4在变笨，有人写了篇论文证实了这一点

论文试图通过多种维度评估GPT的表现为何让人感到如此不稳定和不一致，于是为GPT3.5和GPT4划分了四种能力维度，分别是数学问题，敏感问题，代码能力和视觉推理能力。

大模型

吴恩达Prompt教程之总结图解

其中Base LLM是根据训练语料选择最大可能性的单词进行填充，因此，会在填空类内容上表现不俗，但是面对QA类似的问题，可能并不能令人满意。

prompt 教程吴恩达

用了一个月，终于找到点写 AI Agent 的思路

Copilot，但其并没有发挥出 Ops 项目的能力，非常的独立，仅仅只是对接上了 LLM，能够提供一些对话、在本地自动执行脚本的能力而已。

AI Agent Ops 运维工具

CMU华人打破大模型黑盒，Llama 2撒谎被一眼看穿！脑电波惨遭曝光，LLM矩阵全破解

它们很可能会撒谎！

大模型

大厂都在用的结构化Prompt，把写提示词变成填空题！

## Skills: -技能：角色必须具备的能力、知识或技巧。

prompt 大模型

什么情况用Bert模型，什么情况用LLaMA、ChatGLM类大模型，咋选？

）比会稍有效果损失，但一般效果能打平。

大模型

LLM native策略的内部状态是否应该结构化【2023Q3】

如果发现做不到能够非常明确的标注，那么很可能意味着这个系统的内部状态并没有我们想象的那么标准化和结构化。

大模型

微调、训练大模型概念介绍及论文笔记：Tuning系列论文笔记

，是针对某特定任务而言，不同的任务需要给出不同的表达形式；instruct则是激发语言模型的理解能力，是针对任务集合而形成的指令，它能通过理解做什么任务，在未可见任务上泛化能力更强【zero-shot

训练微调

深度对比丨探索LLM（大模型）部署服务的七大框架差异

· 局限性 · 缺乏批处理支持 - 对于大量消息流，这很可能成为应用程序性能的瓶颈。

大模型

刚上线就崩了？字节版 GPTs 征战国内市场：无需编码，快速创建 AI 聊天机器人

“字节聚焦 AI 应用非常聪明，基础模型差距很大，借‘基础能力’用流量起势，积累数据再反哺‘能力’，策略清晰可执行”，该用户在 X 上评论道。

Coze 聊天机器人

Elasticsearch 中的向量搜索：设计背后的基本原理

在较高层次上，HNSW 将向量组织成一个图表，其中相似的向量可能会连接起来。

向量数据库

大模型应用实践：用LLaMA 2.0, FAISS and LangChain实现基于自由知识问答

它包含了能够在可能不适用于RAM的任意大小的向量集合中进行搜索的算法。

开源模型

我如何夺冠新加坡首届 GPT-4 提示工程大赛 [译]

希望你能从中获得乐趣！

GPT-4 提示词

如何将 GPT 幻觉发生率从 20% 以上降低到 2% 以下

这对于生成用于创意写作或头脑风暴会议的文本等用例来说可能很好，但当输出用于客户支持等业务应用程序时，它可能是灾难性的。

大模型

从零开始：构建你的首个ComfyUI工作流

ComfyUI的一个亮点是能够一键加载大量工作流，让用户轻松实现人像生成、背景替换和图片动画化等功能。

comfyui 文生图工作流程

<...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