文章列表-AI魔法学院

文章列表

一个专业级 AI 聊天浏览器，开源了！

对于热衷于体验、调试、评测各种大模型的用户与开发者来说，每次都需要在浏览器上打开多个标签，访问不同网站，再跟 AI 聊天机器人对话以获取结果，流程着实有点繁琐。

开源大模型聊天

MindChat心理大模型

学习是一个长期的过程, 只要你持之以恒, 坚持不懈, 就一定会有所进步.

心理大模型

大模型中的Top-k、Top-p、Temperature详细含义及解释

温度是用于调整随机程度的数字。

大模型

Agent : 一文读懂LLM Agent架构，详解Profile，Memory，Planning，Action模块作用

不依赖反馈的计划在制定过程中并不参考任务执行后的反馈，它有几种常用的策略。

大模型 LLM Agent

大模型微调应用实践，没那么简单，看看曾经踩过的坑

解决方案，对数据并行处理，具体实现参考海量数据高效训练，核心思想自定义数据集本次的主要目标是使向量化耗时随着处理进程的增加线性下降，训练时数据的内存占用只和数据分段大小有关，可以根据数据特点，灵活配置化

大模型

RAG 2.0来了，它能成为生产落地的福音吗？

这样的系统不仅脆弱，缺乏对特定部署领域的机器学习和专业化调整，而且对大量的提示高度依赖，这使得系统在运行过程中容易出现连锁性的误差。

RAG 大模型

Llama 3突然来袭！开源社区再次沸腾：GPT-4级别模型可以自由访问的时代到来

在语言（MMLU）、知识（GPQA）、编程（HumanEval）、数学（GSM-8K、MATH）等能力上，Llama 3几乎全面领先于同等规模的其他模型。

meta llama3

Prompt、RAG、微调还是重新训练？如何选择正确的生成式AI的使用方法

实现的复杂性除了准确性以外，另外一个需要关注的就是实现这些方法的难易程度。

生成式AI

FaceFusion又更新咯，增强功能再增强！

我们先来看看这次更新了什么：优化安装程序的默认值和 CPU 选择为换脸器添加高性能 FP16 版本将 ONNX

FaceFusion 文生图

RAG 2.0，终于把RAG做对了！

那么，这种检索过程是如何运作的呢？

RAG 大语言模型

大模型微调方法总结

假设模型在任务适配过程中权重的改变量是低秩（low rank）的，由此提出低秩自适应（LoRA）方法，LoRA 允许我们通过优化适应过程中密集层变化的秩分解矩阵来间接训练神经网络中的一些密集层，同时保持预先训练的权重不变

开源模型

在飞速发展的时代管理AI风险

随着人工智能开发者扩大这些系统，未预见的能力和行为会自发出现，而无需明确编程。

人工智能伦理

90个常用的思维模型

使用系统思维，管理层不是简单地责怪某一团队，而是研究了整个业务的协调和沟通流程，从而有效的去解决，可以使两个团队的矛盾得到了缓解。

大模型工作

打磨 8 个月、功能全面升级，Milvus 2.3.0 文字发布会现在开始！

在 Milvus 2.0 发布后的一年多时间里，Milvus 社区对 GPU 的呼声越来越高，再加上 NVIDIA 工程师的大力配合——为 Knowhere（Milvus 索引引擎）增加了最新的 RAFT

大语言模型

全球最强大模型一夜易主，GPT-4时代终结！Claude 3提前狙击GPT-5，3秒读懂万字论文理解力接近人类

对大多数任务而言，Sonnet的处理速度是Claude 2和Claude 2.1的2倍，而且智能程度更高。

claude 大模型

<...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