文章列表-AI魔法学院

文章列表

「语音识别的未来已来」——探索Distil-Whisper，轻量级AI的强大力量

作为Whisper模型的蒸馏版，Distil-Whisper凭借轻量级架构和卓越的处理速度，成为了技术热潮中的新宠。

Distil-Whisper 语音识别

模型压缩：量化、剪枝和蒸馏

图1 BERT 的结构拆分 BERT 的大小可以用3 个超参数来衡量，即L、H 和A，其中L 表示Transformer Block 的层数，H 表示隐层向量的维数

BERT 语言模型

大模型评测新思路：弱智吧精华问题大全

各种高质量的段子在这里传入传出，吸引了无数人的围观和转载，这个贴吧的关注量如今已接近 300 万。

弱智吧训练数据集

无限长的上下文，也干不掉的RAG

之前有一个论调，说如果大模型支持足够长的上下文内容时候，是否就不在需要向量库。

RAG 大模型

AI里的大模型，你了解么

这些模型可以应用于处理大规模的数据和复杂的问题。

人工智能

【工具书】文生图常用的正向反向提示词以及常用词中英文对照表

1、提示词对照表反向常用：((ugly))),(((duplicate))),((morbid)),((mutilated)),(((tranny))),(((trans))),((trannsexual

文生图 prompt 提示词

“How to make money with GPTs” 教你集成第三方url的Action+知识库的完整版GPTs

在未来的几个月里，开发者还将能够根据使用自己创建的GPT的人数来赚取收益。

GPTs 知识库

大模型的研究新方向：混合专家模型（MoE）

大模型从早期只处理文本数据，到后来需要同时处理图像数据和语音数据的发展过程中，其参数量和模型结构设计也越来复杂和庞大。

MoE 大模型

个人从零预训练1B LLM心路历程

因此，我在制定训练LLM计划的时候有两个目标：模型参数量和数据量不能特别的demo：参数量上B，数据量上T。

LLM 训练

大语言模型综述<演进，技术路线，区别，微调，实践，潜在问题与讨论>

模型训练数据训练数据量模型参数量词表大小 LLaMA

大模型

「长文」可能是目前最全的LangChain AI资源库之一

ensp;[57]•Gorilla[58]: LLM的API仓库 [59]•LlamaHub[60]: 由社区创建的LLM数据加载程序库 [](https://camo.githubusercontent.com

工作

Prompt 策略：代码库 AI 助手的语义化搜索设计

负责读取和格式化数据，以便将其分成适合存储在数据库中的片段。

prompt

LangChain + ChatGLM2-6B 搭建私域专属知识库

这里为了简化，我只准备了5条测试数据，分别保存为 train.json 和 dev.json，放到 ptuning 目录下，实际使用的时候肯定需要大量的训练数据。

知识库

省钱！微软开源框架LLMLingua + LlamaIndex实现提示词压缩

在RAG应用中，用户的查询或者提问，会被用于向量存储查询，以获得最相似的信息片段。

LLMLingua LlamaIndex 开源框架

7个有用的Prompt参数

在使用生成式AI模型时，提供一个清晰、具体的prompt非常重要，因为它会直接影响到模型生成的内容和质量。

prompt

<...3 4 5 678 9 10 11 12 ...>

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