文章列表-AI魔法学院

文章列表

深入探讨GPTs和AI Assistant

用户可以通过对话形式，为GPT提供指令和额外的知识库，然后选择所需的能力，例如联网、绘图、分析数据等。

GPTs AI Assistant

微调、训练大模型概念介绍及论文笔记：Tuning系列论文笔记

(Instruction Prompt tuning) 语境提示微调是指结合LLM的ICL能力和prompt-tuning结合到指令提示微调中，将检索到的上下文演示示例和可微调的prompt嵌入式表征进行拼接

训练微调

复旦开源中文医疗大模型，基于百川微调，模型和数据集都公开

可靠丰富的专业知识：我们将医学知识图谱作为信息源，利用采样三元组的方法，结合通用大模型的语言能力，构建对话样本。

大模型

如何使用ChatGPT写论文

提供一些能帮助我提高数据分析技能的资源 2.

ChatGPT 写作

大模型高效微调：🤗 PEFT 使用案例

提示通过包括描述任务的文本提示或甚至演示任务示例的文本提示来为特定的下游任务准备一个冻结的预训练模型。

大模型

从0到1基于ChatGLM-6B使用LoRA进行参数高效微调

相对于full finetuning，使用LaRA显著提升了训练的速度。

大模型

关于GPT-4在变笨，有人写了篇论文证实了这一点

论文试图通过多种维度评估GPT的表现为何让人感到如此不稳定和不一致，于是为GPT3.5和GPT4划分了四种能力维度，分别是数学问题，敏感问题，代码能力和视觉推理能力。

大模型

ChatGPT写论文最强指令

希望能获取这些文献的摘要和关键词，以便快速评估其相关性。

ChatGPT 指令

PostgreSQL的三位一体——在大模型应用中结合关系型、向量和时间序列数据

区别于之前的关键词搜索的字面量搜索，向量搜索（相似度）可以认为是一种懂思想的搜索； · 关系型数据库（

大模型 PostgreSQL

RAG检索增强技术在知识库智能检索场景下的应用实践

大模型优化方式：1）、提示工程（Prompt Engineering）：通过设计合理的提示（Prompt），可以引导模型更好地理解任务需求和上下文信息，从而提高模型的输出质量。

知识库 RAG检索增强

使用自己的数据训练清华ChatGLM2-6B 模型

o o • 效果上,P-tuning-v2相比v1提升更明显,效率也有很大提升。

ChatGLM2-6B

30 多年前被 Windows、Linux “灭掉”的操作系统 MS-DOS 4.0，微软在 GitHub 上开源了！

时下幸得一位研究人员的提醒与争取，微软和 IBM 于近日决定将 MS-DOS 4.0 版本开源出来，还将代码发布在了 GitHub 上（https://github.com/microsoft/MS-DOS

MS-DOS 4.0 开源模型微软

清华、面壁智能发布：主动式Agent 2.0

这种转变不仅减轻了用户的认知负担，还能够帮助识别人类未明确表达的潜在需求，从而为用户提供更全面和无缝的服务。

Agent 2.0 大模型

SEO知识点入门

先把一些基础的理论东西弄清楚：什么是SEO、标题、关键词、描述、长尾关键词、内链、外链、反链、百度指数、权重、ALT标签、收录、站长工具、等等等一大堆，你会看到很多你看不懂的词和专业术语，看到不理解的词

从0到1谈谈智能客服系统的设计与实现

· 这些东西（图片、词语、句子、视频等）都可以用向量表示出来，如下图：这个事情看起来很简单，但是当我们的数据库变得特别大时，这件事情就变得比较困难了

智能客服

<...72 73 74 757677 78 79 80 81 ...>

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