文章列表-AI魔法学院

文章列表

人人都可以部署微信机器人-小白保姆级教程

na-siliconvalley-1&bundleId=bundle_starter_nmc_lin_med2_01&loginSet=AUTO&rule=true 选择基于操作系统镜像，

大模型

GLM-4-Voice 9B——实时多语言语音对话 AI——几分钟内即可在本地安装

随着对更互动和真实的人工智能需求的不断增长，像 GLM-4-Voice 这样的模型代表了在消除语言和对话障碍方面的重要进展。

GLM-4-Voice 9B 语音安装

Prompt逆向工程：ChatGPT通过多角色对抗生成完美提示词

工具应该能够检测图像内容的相似度，或者比较图表数据的源。

Prompt ChatGPT

大模型业务应用中数据准备的要求、难点及解决思路

要想让大模型发挥潜力，产生业务价值，还需要对其进行应用领域知识的优化，就像应届毕业生要经过岗位培训后才能真正上手工作一样。

大模型

大模型推理能力增强方法总结

但如果说，我们给模型一些关于解题的思路，就像我们数学考试，都会把解题过程写出来再最终得出答案，不然无法得分。

推理能力大模型

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

尽管研究者提供了多个模型的客观评估结果，但同时表示，解释评估结果就像对梦境的解释一样，往往是一项非常主观的工作。

过拟合小模型

如何修复GPT幻觉、及评估数据集的挑战

考虑一些流行模型的压缩比：训练数据的压缩当然，这种压缩的关键在于生成模型存储输入（文本或像素）之间关系（概率）的数学表示，而不是输入本身。

大模型

基于 Kimi Chat 的 AI 渐进式阅读法

AI 总结存在一定幻觉，不同的模型效果不同，像 KIMICHAT 这样对 long-context 支持比较好的模型，效果相对来说会比较好。

Kimi Chat 阅读

Stable Diffusion

Stable Diffusion 加速/优化/升级优化出图速度

设置的比率越高，细节就会丢失越多，设置0.6或以上出图速度更快，但是会降低图像细节。

Stable Diffusion 文生图

用户意图对齐，无需人工标注，Zephyr-7B 超越 Llama2-Chat-70B

这种方法的优点是可以直接从静态数据中学习，不需要像 PPO 那样反复地与环境交互。

小型语言模型 Zephyr-7B

百万token上下文窗口也杀不死向量数据库？CPU笑了

通过Embedding过程，这些技术能够将文本、图像、音视频等多种形式的数据转换成向量形式，并将其存储在向量数据库中。

向量数据库大模型 cpu

预训练对话大模型深度解读

2、生成式对话模型发展历史目前 AI 的发展已经历三个时代：基于规则时代，1966 年计算机发展之初，MIT 的教授基于规则研发了用于心理治疗的 Eliza，有点像我们的”正则表达式“；

最详细的文本分块(Chunking)方法——可以直接影响基于LLM应用效果

例如，sentence-transformer~[1]~模型在单个句子上工作得很好，但像text- embedt-ada -002~[2]~这样的模型在包含256或512个tokens的块上表现得更好。

RAG 大模型

检索增强生成(RAG)：LLM企业级应用落地的挑战与思考

(3) 构建用户画像，根据用户属性调整检索策略。

大语言模型 RAG检索增强

【语音识别】OpenAI语音力作Whisper

（个人想法：角色分离得单独做，科大讯飞有专门做这个，好像是基于聚类的思想，后续待深入了解）。

语音转文字 whisper

<...63 64 65 66 67 68 697071 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