文章列表-AI魔法学院

文章列表

阿里AI黑科技大揭秘：从通义千问到FaceChain，让图片和视频焕发新生！

通义千问介绍文档 🔗：https://tongyi.aliyun.com/qianwen/blog/tsq0i7fyr9is4oeo · 论文链接 🔗: https:

阿里云视频音频

LLM Agent最常见的九种设计模式(图解+代码)

是的，就是这么简单，在论文的开头作者也提到人类智能的一项能力就是 Actions with verbal reasoning，即每次执行行动后都有一个“碎碎念(Observation”：我现在做了啥，是不是已经达到了目的

LLM Agent 图解

精通百种语言的翻译AI来了！Meta推出，免费、开源！

想要阅读一篇精彩的外文文章，却被生僻的单词和复杂的语法难住？

大语言模型

通俗解读大模型微调(Fine Tuning)

正如我在《大模型时代的应用创新范式》一文中所说，大模型会成为AI时代的一项基础设施。

大模型微调

Prompt屠龙术-思维链

由于我们向大型语言模型 (LLMs) 提出的问题直接影响其输出结果的质量，因此“prompt工程”是让 LLMs 做我们希望它们做的事情的关键部分。

Prompt 思维链

使用思维链写Prompt

这个过程可能包括定义问题、分解问题、逐步解决子问题，最后综合所有的信息得出最终答案。

思维链 prompt

字正腔圆,万国同音,coqui-ai TTS跨语种语音克隆,钢铁侠讲16国语言

nbsp;clone https://github.com/v3ucn/coqui-ai_xTTS_v2.2_webui_cn.git 注意该项目并非官方项目，而是在其基础上的修改版本，添加了中文版本的

coqui-ai TTS 语音

Langchain的一些问题和替代选择

在本文中，我们将探讨与Langchain相关的一些问题，并考虑一些替代框架。

大模型

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

AI里的大模型，你了解么

大样本由于其参数多、结构复杂等特点，可以更精确地表示出样本的空间分布，并从中学习出更多的复杂属性，进而提升其预测精度与效果。

人工智能

Elasticsearch 中的向量搜索：设计背后的基本原理

段内的每个文档都由文档 ID 标识，文档 ID 是该文档在段内的索引，类似于数组的索引。

向量数据库

使用这个工具后，我将 RAG 的准确性和召回率都提高了两倍！

技术的主要组成包括数据提取—embedding—创建索引—检索—排序（Rerank）—LLM 归纳生成，不过实际落地过程来看，将用户查询转换为嵌入向量直接检索，很多时候的结果在相关度方面没有那么理想，本篇分享一种对用户查询进行重写再去检索从而提高准确性和召回率的方案

RAG 大语言模型

解读wav2lip：探究语音驱动唇部动作的技术原理！

本文将深入介绍一下wav2lip的技术原理和细节，了解它是如何实现语音驱动唇部运动的！

wav2lip 语音

检索增强生成(RAG)：LLM企业级应用落地的挑战与思考

RAG的工作原理 RAG系统典型由三部分组成： (1) 检索器：从大规模文本数据中检索与输入查询相关的文本片段。

大语言模型 RAG检索增强

解读 Openai 给 DALLE3 设的完整系统提示词

这个提示词，是看到网友分享的，我让GPT复现，GPT没有告诉我。

提示词绘画 DALLE

<...70 71 72 737475 76 77 78 79 ...>

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