文章列表-AI魔法学院

文章列表

RAG 领域的新宠：为什么 AI 圈都在谈论 Jina ColBERT？

与 ColBERTv2 相比，Jina-ColBERT 在各项测试中都展现了顶尖的性能，特别在处理长文档数据集时，其表现更是显著优于 ColBERTv2。

rag 大模型

大模型能自己优化Prompt了，曾经那么火的提示工程要死了吗？

现在的互联网上到处都是提示工程指南、快捷查询表、建议推文，可以帮助用户充分使用 LLM。

prompt 大模型提示

真格基金大模型能力测试问题集---基础篇

同时，鉴于随着参数和数据规模增大，大模型会涌现出新能力，与这些新能力相关的测试集也在不断增加。

大模型训练中文

如何微调Meta Llama-3 8B

from datasets import load_dataset 加载数据集 1.

Meta Llama 3 大模型

手把手！做Llama3的MoE专家混合模型！底层原理怎样的？做自己的MoE模型？需要多少算力？

ORPO偏好微调，数据集工具指南！

MoE 专家混合模型

最新大模型面经+感受，4家大厂offer！

如何评估大模型中数据集的质量？

大模型面试

搞了一个Dify开源知识库

ensp; · 大模型：Dify 目前已支持主流的模型供应商，不同模型的能力表现、参数类型会不一样

Dify 大模型知识库

chatglm3基础模型多轮对话微调

SFT数据格式使用自己的数据可以参照formatted_samples.json文件，这里没有考虑system，实际使用可以根据自己的情况加上，需要修改chat_data_module.py中对应的数据处理部分

ChatGLM 微调

pdf2htmlEX：效果相当好的一个PDF转HTML程序，和原始PDF几乎一模一样。

来自其他分支的许多更改和改进已被纳入：许多错误修复，大部分是边缘情况集成最新的Cairo代码超出源构建重写了模糊/部分模糊文本的处理 -

PDF转换

改进召回（Retrieval）和引入重排（Reranking）提升RAG架构下的LLM应用效果

llamaindex实现下的RAG架构以RAG召回为例，最原始的做法是通过top-k的方式从向量数据库中检索背景数据然后直接提交给LLM去生成答案，但这样存在检索出来的chunks并不一定完全和上下文相关的问题

大模型

准备迎接超级人工智能系统，OpenAI宣布RLHF即将终结！超级对齐技术将接任RLHF，保证超级人工智能系统遵循人类的意志

对于超过这部分的风险，需要模型自己推导。

OpenAI 人工智能

Stable Diffusion

全面理解Stable Diffusion采样器

本文后半部分会详细介绍，技术上细节很多。

绘画采样器 SD

芯片拼接技术：英伟达新核弹，站在苹果的肩膀上

芯片在执行计算任务时需要经历两个阶段：数据传输和计算，数据传输花费时间过多，计算“空载”，就会造成算力的浪费。

芯片拼接

芯片拼接技术：英伟达新核弹，站在苹果的肩膀上！

芯片在执行计算任务时需要经历两个阶段：数据传输和计算，数据传输花费时间过多，计算“空载”，就会造成算力的浪费。

芯片拼接技术

AI+音乐｜对话 Suno CEO：破圈的音乐生成产品是如何诞生的？

收购后我们获得了大量的金融文档数据,简直是梦想成真。

suno 音乐

<...68 69 70 717273 74 75 76 77 ...>

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