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

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

深度好文，Agent盛行前传

奖赏对agent的学习和成长的重要性当agent接收到奖赏（reward）信号时，它“心动”了，因为它会把这种奖赏信号看作是给自己到达目标过程中的间接反馈，意味着它做得很不错，奖赏信号包括即时反馈类的

Agent 大模型

揭秘Baichuan 3超越GPT-4的中文实力！文心一言、GLM 4.0也甘拜下风？全方位对比测试大揭秘！

不同于百亿级别的模型，超千亿参数的Baichuan 3在训练过程中面临了更多挑战。

Baichuan 3 大模型

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

使用大模型自动回复小红书/抖音/快手评论：通过RAG 优化LLMs实现

在这里需要重点说明：我们在做搜索的过程中面临的所有技术难点，在RAG中都会碰到，搜索相关的内容也可以参见：在高德吃喝玩乐！

RAG 大模型自动回复

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

开源大模型王座易主！谷歌Gemma杀入场，笔记本可跑，可商用

新的 Responsible Generative AI Toolkit 为使用 Gemma 创建更安全的 AI 应用程序提供指导和必备工具

开源模型 Gemma

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

推荐智能体：利用大模型进行交互式推荐

执行过程与共享内存总线进行交互。

大语言模型推荐

Prompt及AI提问实践

客服：一般情况下，退货或换货过程需要7-10个工作日。

Prompt 大模型提问

大模型天才杨植麟，被朱啸虎“咬”了一口

综合公开信息，杨植麟、张宇韬和陈麒聪此前共同创办了循环智能，三人结识于清华大学的知识工程实验室，其中陈麒聪担任CEO，杨植麟2019年回国后主要负责AI和产品，类似首席科学家的角色，张宇韬则担任CTO，

杨植麟大模型

不会PS也能做神图？豆包AI绘画全解析，让你的创意秒变艺术品！

按重要程度排序：把重要的描述放在前面，这样豆包会先考虑这些内容。

Qwen3

<...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