文章列表-AI魔法学院

文章列表

AI Agent新对决：LangGraph与AutoGen的技术角力

4.AutoGen的优势与不足 AutoGen的主要优势在于其创新性，它能够自动根据用户需求生成代码，从而避免了传统编程中程序员需要手动编写大量代码的情况。

LangGraph AutoGen 对决

LangChain + ChatGLM2-6B 搭建私域专属知识库

目前市面上绝大部分知识库都是 LangChain + LLM + embedding 这一套，实现原理如下图所示，过程包括加载文件 -> 读取文本 -> 文本分割 -> 文本向量化

知识库

使用这个工具后，我将 RAG 的准确性和召回率都提高了两倍！

RAG（Retrieval Augmented Generation）是一种检索增强生成技术，它利用大型语言模型来处理用户查询，RAG 技术的主要组成包括数据提取—embedding—创建索引—检索—

RAG 大语言模型

PDFTriage:面向长篇结构化文档的问答

这些预检索步骤倾向于将文档表示为纯文本块,与用户查询共享某些相似性,并可能包含答案。

大语言模型 PDF 文档

LLM每周速递！大模型最前沿：多模态RAG、RAG加速、大模型Agent、模型微调/对齐

当我们拿到开源大模型的时候，通常会与实际场景结合来对大模型做一波Post-Training，进而改变预训练模型的权重来实现LLM对齐。

大模型研究

解读：一个数学在线教育网站如何做到一千万月访问量

6月访问量是1050万，7月是890万，8月访问量980万，虽然每月流量会有一些变化，但整体趋势是稳定的，可以认为是一个月访问量千万的网站。

访问量

利用LangChain建gpt专属知识库，如何避免模型出现“幻觉”，绕过知识库知识乱答的情况？

随着LLM的蓬勃发展，企业、个人知识库越来越火。

LangChain 知识库

Prompt逆向工程：轻松复刻OpenAI“神级”提示词

02解剖式逆向提示词方法与过程 OpenAI放出的这段教育行业的提示词在ChatGPT中效果非常不错，这篇博客中一共给出了四段高质量提示词，我们用一系列逆向

大模型

数字人：从科幻走向现实的技术革命

它们可以根据学生的学习进度和需求进行个性化教学，提高教育资源的利用效率和教育质量。

数字人语音

12个RAG常见痛点及解决方案

以下是论文总结的7个痛点：内容缺失当实际答案不在知识库中时，RAG系统提供一个看似合理但不正确的答案，这会导致用户得到误导性信息解决方案：在由于知识库中缺乏信息

RAG 大模型

Stable Diffusion

Stable Diffusion生成图片参数查看与抹除

2、在左侧选择本地的一张图片，如果是Stable Diffusion生成的图片，我们可以在右边看到图片的生成参数，依次是：提示词、反向提示词、模型详细参数。

文生图 Stable Diffusion

国产“小钢炮”MiniCPM3-4B：小参数，大能量！

这款全新模型不仅实现了在移动设备上运行 GPT-3.5 级别的能力，而且具备超强的推理、检索与代码解释功能。

MiniCPM3-4B 大模型

24年首篇离奇论文：加点噪声，RAG效果翻倍？！

与传统的大型语言模型相比，RAG系统通过引入外部数据提高了其生成能力。

RAG 检索论文

大模型与游戏结合的一个思路

关于人工智能与游戏的结合，笔者曾写过一篇文章，《真正的人工智能应用于游戏》。

人工智能游戏

停用词(Stop Words)的价值、收集与使用

Luhn(1958)换了一个思维方向，认为我们在表示信息的时候，会使用一些高频出现、但是和“noise”一样不重要的词语。

停用词

<...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