文章列表-AI魔法学院

文章列表

【上篇】深度解析AI大语言模型（LLM）在企业应用的关键技术与典型架构

比如：智能客户咨询、智能呼叫中心、智能销售助理等 o 借助大语言模型的文本抽取与分析能力，分析呼叫中心对话记录，完成质量检查、客户情绪分析归类、热点问题提取、销售线索发现

大语言模型

开源版妙鸭相机来了，无限出个人写真图（阿里达摩院出品）

使用conda虚拟环境，参考Anaconda来管理您的依赖，安装完成后，执行如下命令：(提示：mmcv对环境要求较高，可能出现不适配的情况，推荐使用docker方式) conda create

妙鸭相机

中文LLaMA-2基座模型和Alpaca-2指令精调大模型-中文LLaMA-2以及Alpaca-2系列模型

本项目的所有模型均使用了FlashAttention-2技术进行训练 🚄 基于NTK的自适应上下文扩展技术在一期项目中，我们实现了基于NTK的上下文扩展技术，可在不继续训练模型的情况下支持更长的上下文

大模型

OpenAI 上线新功能力捧 RAG，开发者真的不需要向量数据库了？

在此情况下，就需要使用一套可以摆脱存储上限、支持灵活扩展的解决方案——集成 Milvus（https://zilliz.com/what-is-milvus）或 Zilliz Cloud

RAG 检索向量库

巧用这13个原则！创作ChatGPT提示词Prompt时效率提高10倍！

1 - 摆脱人情世故！

prompt 提示词

Fastwhisper + Pyannote 实现 ASR + 说话者识别

在使用更少内存的情况下，该实现比openai/whisper在相同精度下快4倍。

faster-whisper 语者识别 ASR

【ChatGPT有点热】浅聊Temperature参数对大语言模型的推理能力的影响

Temperature sampling的计算过程：我们看到的模型生成的文字，实际上是逐字生成的，可以简单的理解为，模型每次在一堆字里面，以一定的概率去挑选可能的字，比如生成“我是小老弟”，在有了“我是小”的情况下

大语言模型 chatGPT

大模型微调应用实践，没那么简单，看看曾经踩过的坑

分别对比stage 2,3进行验证，在GPU显存够的情况下，最终使用stage 2。

大模型

LangChain - RAG: 拿什么「降伏」PDF 中的 Table 类型数据

nbsp; | model 19 | StrOutputParser() 再感叹一次

大模型 LangChain RAG

【工具书】文生图Midjourney最全prompt提示词分类对照表

sideburns 尖牙 fangs 虎牙 canine teeth 咬紧牙关 clenched teeth 表情

提示词 prompt 文生图

关于大模型驱动的AI智能体Agent的一些思考

Reflexion (Shinn & Labash 2023) ，Reflexion 代理通过语言反思任务反馈信号，然后将其自己的反思文本存储在一个情节性记忆缓冲区中，以在后续试验中促进更好的决策

大模型

面向知识图谱的大模型应用

首先，要确定数学聚合可应用于图中数据的情景。

知识图谱大模型

24年首篇离奇论文：加点噪声，RAG效果翻倍？

结果显示，添加无关文档几乎总是有益于准确率的提高，甚至在增加更多无关文档的情况下也是如此。

RAG 检索增强

百万token上下文窗口也杀不死向量数据库？CPU笑了

§ § Volume（体量）：即使上下文窗口越发得长，但和全网庞大的非结构化数据相比就是小巫见大巫；尤其是企业级动辄GB、TB这种体量，还涉及众多私有数据的情形。

向量数据库大模型 cpu

Midjourneyv6创作中国龙十大技巧

龙时而俯视地面,时而昂头长啸,动作表情丰富生动。

Midjourneyv6 文生图

<...68 69 70 71 72 73 747576 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