文章列表-AI魔法学院

文章列表

人工智能训练的灾难性遗忘以及解决方案

例如，一些研究人员正在尝试通过改进模型的结构和训练方法来缓解灾难性遗忘问题，而另一些研究人员则试图通过结合深度学习和生物神经网络的方法，来构建更接近生物神经网络的人工神经网络。

人工智能大模型

一人搞定30万商品分类：AI落地实践故事！

查询数据库查询的过程看上面的图：文本先通过text_to_vector转换为矢量，然后在Milvus里查询最邻近的值，拿出Index，再根据这个Index到MySQL里查询对应的文本。

embedding 大数据分类

AI产生意识，对人类意味着什么

05 管控AI风险一群AI领域的杰出专家，包括图灵奖得主Yoshua Bengio、Geoffrey Hinton、Andrew Yao和AI权威Stuart Russell，以及其他20名来自美国

AI 意识

使用自己的数据训练清华ChatGLM2-6B 模型

o { "content": "类型#上衣*版型#宽松*版型#显瘦*图案#线条*衣样式#衬衫*衣袖型#泡泡袖*衣款式#抽绳",

ChatGLM2-6B

RAG模型的主要痛点和解决方案

解决方案： - 设计模型架构，以显式地跟踪证据和解释作为结构化的链/图。

rag 大模型

17岁高中生写了个神级Prompt，直接把Claude强化成了满血o1。

现在的o1，不能识图、不能运行代码、排版一团糟，体验真的很差。

prompt 大模型

摆脱 OpenAI 依赖，8 分钟教你用开源生态构建全栈 AI 应用

以下是问答系统的工作流程图： 02.

开源模型

Qwen7b微调保姆级教程

,'你能帮助我干什么'] i_can = ['我能够帮助你以最优雅的方式训练各种类型的pytorch模型，并且训练过程中会自动展示一个非常美丽的训练过程图表。']

Qwen7b 大模型

在飞速发展的时代管理AI风险

仅仅四年后，深度学习系统就可以编写软件，根据需求生成逼真的场景，就知识主题提供建议，并结合语言和图像处理指导机器人。

人工智能伦理

模拟ChatGPT流式数据——SSE最佳实践（附可运行案例）

爬坑代理环境 pending时间过长在本地代理的加持下，存在eventstream在当前请求结束后一股脑发完的情况后台限定1s一条，但到了客户端便成了上图这样（与云服务器流量大小也有一定关系

GPT

什么情况用Bert模型，什么情况用LLaMA、ChatGLM类大模型，咋选？

答：有以下好处：对齐人类意图，能够理解自然语言对话（更有人情味）经过微调（fine-tuned），定制版的GPT-3在不同应用中的提升非常明显。

大模型

金融行业的开源AI大模型

此外，项目还计划使用GPT3.5/4.0 API构建更高质量的数据集，并在中文知识图谱-金融、CFLEB金融数据集等基础上扩充指令数据集。

开源大模型

数字人直播哪家强？中国数字人平台分析大全

另外据说风平智能即将发布一款偏向于C端的「1号AI」小程序，亮点是文案、图像素材全部由AI自动生成和匹配，可以达到一键AI自动生成短视频的效果，十分期待。

数字分身数字人

ChatGPT 技巧 | Prompt 逆向工程

而且湿巾上的图案非常可爱，让我想起了童年的时光。

chatgpt 提示词 prompt

最详细的文本分块(Chunking)方法——可以直接影响基于LLM应用效果

ensp; = 20 ) docs = text_splitter.create_documents([text]) Content-Aware：基于内容意图分块

RAG 大模型

<...70 71 72 73 74 75 76 777879 >

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