文章列表-AI魔法学院

文章列表

吴恩达Prompt教程之总结图解

其中Base LLM是根据训练语料选择最大可能性的单词进行填充，因此，会在填空类内容上表现不俗，但是面对QA类似的问题，可能并不能令人满意。

prompt 教程吴恩达

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

中学生能看懂：Sora 原理解读

这种处理多样化视觉数据的能力，使得Sora在接收到如‘猫坐在窗台上’这样的文本提示时，不仅能理解这个提示背后的意图，还能利用它的内部表示形式，综合利用不同类型的视觉信息，生成与文本提示相匹配的视频或图片

Sora 原理

揭秘DeepSeek:一个更极致的中国技术理想主义故事

一位AI研究者表示，Attention架构提出多年来，几乎未被成功改过，更遑论大规模验证。

DeepSeek 大模型

ComfyUI环境方面开窍了，成功跑通animatediff

我说怎么缺节点呢，昨天搜的ComfyUI_IPAdapter_plus根本不是，是在描述里有了这个词，实际下载的不是。

animatediff 文生图

全球最强长文本大模型，一次可读35万汉字：Baichuan2-192K上线

百川智能进行了一番简单演示。

Baichuan2 百川开源

2024！深入了解大语言模型（LLM）微调方法（总结）

在提示工程、微调和评估之间进行迭代，直到达到期望的结果。

大模型微调

大模型应用发展的方向｜代理 Agent 的兴起及其未来（下）

用户输入自定义目标后，可以等待AutoGPT自动生成想法并执行特定任务，无需额外的用户提示。

大模型

国内法律类大模型介绍

* 数据：法律问答数据、法律知识、百度收集的54k条法律问答数据、法律法规、包含刑法、民法、宪法等法规、法律参考书籍、JEC-QA数据集提供的法律参考书籍

法律大模型

万字长文震撼来袭！揭秘Transformer——吐血解读自注意力机制的革命性突破

Noam提出了缩放点积注意力、多头注意力和无参数位置表示，并几乎参与了这项工作的每一个细节。

Transformer 大模型

Stable Diffusion

硬核解读Stable Diffusion（系列二）

这里我们可以试验一下不同采样步数下的生成效果，以宇航员骑马为例，下图展示了采样步数为10，20，30，50，70和100时的生成图像，可以看到采样步数增加后，图像生成质量是有一定的提升的，当采样步数为30

StableDiffusion 文生图

BGE M3-Embedding：智源最新发布的text embedding模型，多语言检索效果超过微软跟openai

提纲 1 简介 2 BGE M3-Embedding 2.1 训练数据构建

BGE M3-Embedding 多语音检索

理解 o3 及其技术分析

应该说顶级数学家评价非常有挑战性的问题，看到GPT4之后他仍然觉得会需要几年时间AI才能搞定的问题，现在已经沦陷了1/4。

o3 技术分析

微调大型语言模型-核心思想和方法介绍

相反，我们可以通过输入提示直接提供目标任务的几个示例，如下例所示。

大模型训练

大模型应用的10种架构模式

这些代理可能是较小的语言模型，它们已经接受过特定任务的训练，或者是具有特定功能的通用模型，如GPT、Llama、上下文提示和函数调用。

大模型架构

<...74 75 76 777879 80 81 82 83 ...>

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