文章列表-AI魔法学院

文章列表

Stable Diffusion

[Stable Diffusion]Segment Anything实现商业换装

Segment Anything是一种基于深度学习算法的图像分割工具，它可以将图像当中的每一个像素分配到对应的区域当中，能够实现精准的边缘识别。

Segment Anything 文生图

24年首篇离奇论文：加点噪声，RAG效果翻倍？！

与传统的大型语言模型相比，RAG系统通过引入外部数据提高了其生成能力。

RAG 检索论文

Stable Diffusion

Stable Diffusion的模型分类以及使用

优点是节省空间资源，但由于体积小所携带的信息少，因此在画面、风格的还原度上可能差强人意，所以现在使用这种模型的也越来越少了： 05 Hypernetwork模型

文生图

还在手写Prompt？这几大网站让你秒找大模型提示词！

之前我也多次分享过写Prompt提示词的各种方案，比如我自己总结的“万能提示词公式”，效果还是不错的。

prompt 提示词

60.2K Star！别再熬夜写样式了！Screenshot-to-Code：截个图，代码全搞定！！

无论是截图、Figma 设计稿，甚至录屏，它都能帮你快速生成干净、可用的代码。

Screenshot-to-Code 代码

麦肯锡专家都在用的方法：用ChatGPT速览用户研究领域的 50 个核心概念

最后，根据这些洞察，优化应用的功能和设计，提高用户体验。

用户工作

12个RAG常见痛点及解决方案

并且将深入研究这些RAG痛点的解决方案，这样我们能够更好地在日常的RAG开发中避免和解决这些痛点。

RAG 大模型

语言大模型100K上下文窗口的秘诀

在Palm-2技术报告中，谷歌并没有透露具体上下文大小，但表示他们“显著增加了模型的上下文长度”。

大模型

微软、OpenAI大佬暗示LLM应用开发范式迁移：从Prompt Engineering到Flow Engineering

而当下层出不穷的agent，特别是MultiAgent框架或平台以及创业项目就能反映问题，比如langchain新推出了Agent开发框架langgraph，微软出了Task weaver，Autogen

LLM 范式迁移

基于LLM+向量库的文档对话痛点及解决方案

痛点：文档切分粒度不好把控，既担心噪声太多又担心语义信息丢失笔者之前采用了Longchain的文档切分工具，发现不能问题。

开源模型

微软打破Decoder-Only架构！大幅降低GPU内存需求，网友：把Llama3 70B弄20GB GPU上运行

YOCO仅缓存一次键值对，可大幅降低GPU内存需求，且保留全局注意力能力。

Decoder-Decoder YOCO 架构

Asimov的预言与《Reflexion》的Prompt启示：机器人心理学家的新纪元

01 Asimov的机器人心理学家很多朋友可能看过2004年的《机械公敌》，它来自于Isaac Asimov的经典科幻小说《我，机器人》这部小说。

大模型

来自Microsoft Build 2023：大语言模型是如何被训练出来的

可以说是人工智能领域的顶尖人才了！

大模型

【大模型微调】 Llama 2 ：对话模型的全过程微调

在规模趋势方面，作者发现较大的模型在相似数据量下提供更好的性能，并且性能随着当前标注数据的增加并没有趋于平稳。

大模型

省钱！微软开源框架LLMLingua + LlamaIndex实现提示词压缩

提示词压缩正是旨在保留重要信息的同时，缩短提示词的技术，从而降低开销，同时也能加快语言模型的响应生成速度。

LLMLingua LlamaIndex 开源框架

<...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