文章列表-AI魔法学院

文章列表

12个RAG常见痛点及解决方案

或者对自定义重排序器进行微调，获得更好的检索性能整合策略的局限性导致上下文冲突包含答案的文档是从数据库中检索出来的，但没有进入生成答案的上下文中。

RAG 大模型

Coze多智能体（Multi-Agents）模式体验！

在人工智能的发展历程中，智能体（Agent）的研究早已开展，其概念之广泛，几乎可以构成一个完整的系统。

Coze 多智能体

llm-action：让天下没有难学的大模型

足够惊艳，使用Alpaca-Lora基于LLaMA(7B)二十分钟完成微调，效果比肩斯坦福羊驼 2.

大模型 LLM

我如何夺冠新加坡首届 GPT-4 提示工程大赛 [译]

在对话中，每当您提出一个新的提示时，系统提示就像是一个过滤器，大语言模型会在回应您的新提示之前自动应用这一过滤器。

GPT-4 提示词

最全攻略！OpenAI 发布 GPT-4 使用指南，所有干货全在这

ChatGPT 自诞生以来，凭借划时代的创新，被无数人一举送上生成式 AI 的神坛。

提示词 prompt

DeepMusic发布“和弦派”2.0：重塑AI音乐创作范式，赋予创作者全方位掌控

和弦派2.0丰富了AI生成及创作方式，将AI生成与深度编辑融为一体，构筑起五大产品特色：一，多种AI生成及创作方式用户可通过输入歌词自动写歌、选择风格模板快速生成特定风格歌曲，也可以自定义参数创建个性化乐谱工程

和弦派 DeepMusic 音乐创作

腾讯开源的数字人MuseTalk到底行不行？

话说速度方面，经测试，在RTX4060 服务器上，10秒钟音频推理，耗时接近3分钟，耗时时长比差不多1:20。

MuseTalk 数字人音频

大规模训练系列之技术挑战

更系统来说，随着数据和模型的不断增大，会触碰到两方面的问题，大数据和大模型所产生的显存墙问题(模型是否能跑起来)以及计算墙(能否在合理时间内完成训练)问题，使得普通的分布式训练不再适用于此类任务。

开源模型

ViTPose+：迈向通用身体姿态估计的视觉Transformer基础模型

带有transposed卷积上采样和预测层的标准解码器（c）和直接使用双线性插值的简单解码器（d）被用于评估简单视觉transformer的简单性；用于Bottom-up预测的解码器（e）也被采用来衡量

ViTPose+Transformer 身体姿态

MCI-GRU：在真实金融交易中验证有效的股票价格预测模型

然后，GAT通过多头注意力机制动态计算节点之间的注意力权重，聚合邻居节点的信息，生成每只股票的更新特征向量。

MCI-GRU 股票大模型

Prompt及AI提问实践

语料准备好了，我们看看一个经典的客服对话场景（用大模型生成的模拟数据）：用户：我上周在你家买了个手机，但今天发现它有点问题，我能退或者换吗？

Prompt 大模型提问

网易有道强力开源中英双语语音克隆

你需要一台带有NVidia GPU的机器。

语音开源

玩一玩ChatGLM3，1660s即可流畅运行！

更完整的功能支持，原生支持工具调用（Function Call）、代码执行（Code Interpreter）和 Agent 任务等复杂场景。

大模型 ChatGLM

AutoGPT与LLM Agent解析

GPT 生成的内容去调用外部工具并获得相应结果，这个结果再作为输入可以由 GPT 去做进一步的理解和生成，循环往复。

大模型

LangChain: LLM 应用聚焦的两大方向，RAG 和 Agents

ensp; RAG，Retrieval-Augmented Generation, 众所周知本次 llm 浪潮主打的就是一个 Generation，生成

大模型

<...69 70 71 727374 75 76 77 78 ...>

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