文章列表-AI魔法学院

文章列表

评论能力强于GPT-4，上交开源13B评估大模型Auto-J

在常用的检测奖励模型有效性的 Best-of-N 设定下（即基座模型生成多个候选答案，奖励模型根据自身输出选择最佳回复），Auto-J 给出的单回复打分比各类基线模型能选出更好的回复（以 GPT-4 评分为参考

Auto-J 大模型

QWen1.5: 卓越模型之路

在L-Eval 基准上评估了 Qwen1.5 模型的性能，该基准衡量了模型根据长输入生成答案的能力。

Qwen1.5 开源模型

FaceFusion参数详解

同时又具有Rope不具备的特性。

FaceFusion 文生图

ViTPose+：迈向通用身体姿态估计的视觉Transformer基础模型

在姿态估计领域，也涌现出许多基于transformer的方案，并取得了很好的效果。

ViTPose+Transformer 身体姿态

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

1.4 常见案例样例 1 在计算机视觉中，低层的网络主要学习图像的边缘或色斑，中层的网络主要学习物体的局部和纹理，高层的网络识别抽象的语义，如下图所示。

大模型微调

谈谈LLM在推荐域的渗透，探索推荐新范式

在这个框架中，任务被转化成一个填空式掩码预测任务，通过设计个性化的提示模板和相应的答案空间，以充分利用预训练过程中嵌入的丰富语义信息和语言知识。

大模型

模拟ChatGPT流式数据——SSE最佳实践

因此，在选择即时更新方案时，需要根据具体的需求和场景进行选择。

打字机 sse 大模型

18种 DALL-E 3 炫酷的文字效果和提示词

举例：制作一张温暖人心的高身(Tall)贺卡，图案是一只毛茸茸的泰迪熊在一个开满鲜艳花朵的花园里拥抱着一束五颜六色的气球。

DALL-E 3 提示词文生图

一本Python爬虫的书，凭什么能畅销10W册

5.社区支持：Python 拥有庞大的开发者社区，这意味着在开发过程中遇到问题时，可以很容易地找到解决方案和资源。

爬虫 python

微调大型语言模型-核心思想和方法介绍

此外，带有人类反馈的强化学习 (RLHF) 可作为监督微调的替代方案，有可能提高模型性能。

大模型训练

大模型文本生成——解码策略（Top-k & Top-p & Temperature）

在自然语言任务中，我们通常使用一个预训练的大模型（比如GPT）来根据给定的输入文本（比如一个开头或一个问题）生成输出文本（比如一个答案或一个结尾）。

大模型

AI音乐热潮下，“神曲工作室”率先失业

每次出现类似这样的案例，其实都指向一个结果：仅凭歌曲和专辑的分发，越来越难为艺人带来收入。

音乐音频

Elasticsearch Relevance Engine---为AI变革提供高级搜索能力[ES向量搜索、常用配置参数]

搜索结果是根据用户的原始查询返回的，开发人员可以将数据传递给他们选择的语言模型，以提供带有附加了上下文的答案。

大模型 AI编程

RLHF 在 Text2SQL 领域中的探索

id DESC LIMIT 10 · 实验：如图1所示，在 DB-GPT 项目中，直接使用原生对话，使用 Proxy LLM（GPT-3.5）提问上述问题，大模型可以准确给出 SQL 答案，

Text2SQL RLHF

2023年LLM如何入门？请看这篇综述！

预训练为LLM的能力奠定了基础，使得LLM在进行特定任务的微调时能够更快、更准确地收敛，并且可以具备更好的泛化能力。

大模型

<...60 61 62 63 64 65 66 676869 >

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