文章列表-AI魔法学院

文章列表

清华智能体「XAgent」比ChatGPT4.0还好用！

这里是XAgent绘制的一张图：案例2.

ChatGPT 智能体 Agent

从⼤模型到 AI 应⽤落地，工程实现有多复杂?

将⽤⼾问题与⽂档⽚段简单匹配，容易产⽣语义偏差，⽆法精准理解⽤⼾意图。

大模型

Ilya认错，Scaling Law崩了？自曝SSI秘密技术路线取代OpenAI

上图即是OpenAI解释o1的博文，x轴标记为「训练时计算」和「测试时计算」。

Scaling Law AI大模型

Python状态机：优雅处理复杂业务逻辑的利器

状态机可视化使用图形化工具展示状态机的状态和转换关系,便于理解和文档化: def generate_graph(self): "

Python状态机设计模式

Coze、Dify、FastGPT：哪款智能体平台最强？深度对比分析！

Coze：在表格和图片支持上有优势，适合需要智能标注的场景，但在一些高级功能上略显不足。

智能体平台对比

baichuan2 有什么好的深挖论文中涉及的知识点

训练语料库的组成如图 1 所示。

大模型

贝叶斯定理的颠覆：为什么你永远说服不了阴谋论者？

我们都有一些非理性的信念，只要不试图用贝叶斯推理证明它们，那就完全没有问题。

贝叶斯定理

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

下图展示了 top-p 值为 0.9 的 Top-p 采样效果： top-p 值通常设置为比较高的值（如0.75），目的是限制低概率 token 的长尾。

大模型

揭秘数字人困境：代理商亏钱、直播屡被封、刘润也不用了

“AI总共就干两个事，降本增效和优化体验，从商业化的角度上而言，用数字人做短视频能节省很多成本，毕竟视频的信息传播丰富度、简易程度比文字图片都要高。

数字人

总结！大模型微调（Tuning）的常见方法

下图是细致的对比： P-tuning v2 V2版本主要是基于P-tuning和prefix-tuning技术，引入Deep Prompt Encoding和Multi-task Learning

微调大模型

Prompt全攻略(二):Prompt编写的要诀

此外,还有一些提高Prompt效果的技巧: 6.指定输出格式你可以指定输出的格式,如列表、图表等。

prompt

万字长文震撼来袭！揭秘Transformer——吐血解读自注意力机制的革命性突破

Transformer遵循这种总体架构，使用堆叠的自注意力机制和逐点、全连接层，分别用于编码器和解码器，如图1的左半部分和右半部分所示。

Transformer 大模型

如何构建基于大模型的App

试图理解LLM 的能力边界 AI 并不神秘，也不存在迷信。

构建大模型App

Openai 异步客户端接入国产大模型 Kimi

[],"finish_reason":"stop","usage":{"prompt_tokens":8,"completion_tokens":12,"total_tokens":20｝｝]} 截图

Kimi Chat 大模型

ollama本地部署自然语言大模型

:2b 下载完毕后可通过命令行输出与之对话 Chatbox客户端 Chatbox 支持 ollama，可以使用图形化的对话方式

ollama 语言大模型部署

<...67 68 69 707172 73 74 75 76 ...>

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