文章列表-AI魔法学院

文章列表

图解大模型训练之：张量模型并行(TP)，Megatron-LM

在这篇文章里都会给出图解介绍，不过还是建议大家在阅读前可先看以下文章： · 猛猿：Transformer学习笔记二：Self-Attention（自注意力机制） · 猛猿：图解大模型训练之：

开源模型

Cursor 0.50 版本：一场惊艳的编程体验升级之旅

在编程的浩瀚宇宙中，每一次工具的更新迭代都如同夜空中闪烁的星辰，为开发者们指引着前行的方向。今天，Cursor 带着它的 0.50 版本重磅登场，宛如一颗璀璨的新星，离 AI 原生 IDE 的目标更近了一步，处理复杂项目的能力也得到了大幅提升。这一版本的更新，就像是一场精心策划的盛宴，值得每一位开发者细细品味。我对此次更新的信息进行了深入梳理，为大家整理出了一个清晰易读又完整的网页：cursor050.bookai.top。现在，就让我们一同走进 Cursor 0.50 版本的精彩世界，揭开它的神秘面纱。

Cursor 0.50 大模型

AI Agent：大模型与场景间的价值之桥，但不适合当纯技术看

大模型是瓮中之脑假如把人的脑子放到一个充满营养液的罐子里，让它活下来，那这时候它可以有一个超级真实的虚幻世界，但却不再能干涉现实。

大模型

RAG——使用检索增强生成构建特定行业的大型语言模型

像之前介绍过的pandasAI、quivr、flowise、localGPT、privateGPT、pdfGPT和一些常见的基于大模型构建的本地知识库等AI应用无一不是建立在检索增强技术之上的，它是向量数据库能够在

大模型

Rerank——RAG中百尺竿头更进一步的神器，从原理到解决方案

检索增强生成（RAG）是解决大语言模型（LLM）实际使用中的一套完整的技术，它可以有效解决LLM的三个主要问题：数据时效性、幻觉和数据安全问题（在我之前的文章《大模型主流应用RAG的介绍

RAG 检索增强

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

当前最火的大模型，竟然三分之二都存在过拟合问题？

过拟合小模型

一文探秘LLM应用开发-Prompt(相关概念)

本文旨在让无大模型开发背景的工程师或者技术爱好者无痛理解大语言模型应用开发的理论和主流工具，因此会先从与LLM应用开发相关的基础概念谈起，并不刻意追求极致的严谨和完备，而是从直觉和本质入手，结合笔者调研整理及消化理解

prompt 大模型

LLM大模型推理输出生成方式总结

sampling的方式，每个时间步从num_beams个字中采样参数：do_sample = True, num_beams > 1 其它Trick 惩罚重复方式：在每步时对之前出现过的词的概率做出惩罚

大模型

大模型落地“诸神之战”，场景玩家先杀出重围了

在短视频时代，通过线上种草视频/图文为线下门店引流，已经是重要营销手段之一。

大模型文生图

你真的会写 Prompt ? 剖析 RAG 应用中的指代消解

本文将从解决优化 RAG 系统里的一个具体问题出发，通过展示使用 LLM Prompt Engineering 的方法，来解析传统 NLP 的问题。

Prompt 大语言模型 RAG

RAG 领域的新宠：为什么 AI 圈都在谈论 Jina ColBERT？

在 RAG (检索增强生成)领域，选对向量模型至关重要，它基本就决定了 RAG 系统的“天花板”，也因此，向量模型的选择总是业界的热门讨论话题。

rag 大模型

图解检索增强式生成（RAG）技术 | 万字长文

简而言之，RAG 结合了搜索和 LLM 的提示功能，在此基础上，模型根据搜索算法提供的信息，作为上下文来回答问题。

检索增强式生成 RAG

数字人之声音克隆：无样本，1分钟样本完美克隆声音，开源

最近在搞克隆人，发现一个很好的声音克隆项目，测试了一下，效果真不错，可以直接用，也可以微调后使用，好了废话不多说，直接上干活，哈哈~~ 首先这次直接说项目：GPT-SoVITS

数字人声音克隆 GPT-SoVITS

RAG检索增强技术在知识库智能检索场景下的应用实践

1.1.1、LLM的缺陷知识检索增强技术的提出背景主要源于当前基于LLM（大规模语言模型）的知识检索存在诸多缺陷。

知识库 RAG检索增强

【AI代理】多代理模式之多任务分配&信息传递

昨天探索了多任务模式，让系统根据用户的输入信息自动找到对应的代理进行处理。今天继续来探索多任务模式的多任务分配和代理间的信息传递。

多任务模式分配传递

<...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