文章列表-AI魔法学院

文章列表

【ComfyUI】爽玩必备！6大插件汇总推荐

然后用记事本打开BaiduTranslate.py，填入我们在百度翻译开发平台申请的ID和密码，这样我们就能正常的翻译了。

大模型

什么是极限、导数、微分与积分（通俗易懂）

它如何帮助我们理解和塑造这个世界？

数学微积分科学

LLM native策略的内部状态是否应该结构化【2023Q3】

; · 【Q1.2】用户对话历史中信息密度是否太低，都放进Context中是否会造成明显的浪费

大模型

RAG 领域的新宠：为什么 AI 圈都在谈论 Jina ColBERT？

Interaction schemes Jina-ColBERT 的升级亮点 Jina-ColBERT 是 Jina AI 对原有 ColBERT 模型的一番升级打磨。

rag 大模型

《特朗普爱上在白宫当保洁的我》拍好了，3个月赚了10个亿

从4月到7月，短短3个月的时间里，《特朗普爱上在白宫当保洁的我》在美国狂赚1.5亿美元，约合10.8亿人民币，以极其廉价的成本打出了神话级别的战绩。

短剧

大模型量化：什么是模型量化，如何进行模型量化

线性量化与非线性量化线性量化采用相同的量化间隔对输入作量化根据Z (zero_point) 是否为0，线性量化可以分为对称量化和非对称量化非对称量化浮点0对应的值不是定点0 浮点和定点之间的映射公式

大模型

Prompt工程如此强大，我们还需要模型训练吗？

LLM原始训练目标是为了生成自然、连贯的文本，因为其本身接受了大量的文本进行预训练，因此根据提示补全和创造文本就是模型的原生能力。

大模型

LlamaIndex的QueryPipeline在实现RAG应用后，Agent应用也可以实现了（附开发示例）

1.构造Pipeline。

Agent QueryPipeline 大模型

9个范例带你入门langchain

print ("------- Prompt Begin -------")# 打印模板内容final_prompt = prompt.format(text=confusing_text)print(

大模型

AI必备Prompt技巧《提问的艺术——让AI导出高质量答案》

例如：“写一篇关于狗的故事，主人公是一只忠诚的拉布拉多，它在某个城市里生活，并且有一个主人叫做杰克。

prompt 提示词

ChatGLM3-6B 功能原理解析

通过observation角色的对话信息将工具执行结果添加到历史对话中，相当将工具执行结果返回给 LLM 再次发起 ChatCompletion 请求，让 LLM 生成最终答案，最后打印出

ChatGLM3 大模型

如何使用 Megatron-LM 训练语言模型

megatron_gpt2/convert_megatron_gpt2_checkpoint.py nvidia/megatron-codeparrot-small/model_optim_rng.pt 请注意，如果你打算使用原始的分词器

开源模型

【CLIP系列Paper解读】CLIP: Learning Transferable Visual Models From Natural Language Supervision

其实就是构造了一个对称的contrastive loss，在一个batch内预测谁是正样本。

OpenAI 自然语言监督

从零开始了解AI大模型 - 概念篇：一文带你走进大模型世界

AIGC的出现，就像是打开了一个全新的创作世界，为人们提供了无尽的可能性。

大模型

使用知识图谱提高RAG的能力，减少大模型幻觉

代码实现我们需要使用3个主要工具/组件： 1、LlamaIndex是一个编排框架，它简化了私有数据与公共数据的集成，它提供了数据摄取、索引和查询的工具，使其成为生成式人工智能需求的通用解决方案

RAG 大语言模型

<...68 69 70 71 727374 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