文章列表-AI魔法学院

文章列表

一个让GPT重复自问自答的Prompt

已充分考虑各种要素，没有什么要补充"是指： - 每次回答，可以从用户需求、JTBD、市场趋势、竞争对手分析、技术可行性、成本效益分析等产品设计方面进行考虑 - 每次回答，请考虑回答的深度和广度。

prompt

GPU 性能（数据表）快速参考

< 300 TFLOPS FP16 o < 150 TFLOPS FP32 A100 和 H100 受到这些限制，这就是为什么有定制版本的原因

GPU 算力

Nvidia发布Llama3-ChatQA-1.5: 提升对话问答和表格推理能力，平均性能超越GPT-4

相比之前的ChatQA 1.0版本，其训练方法和数据集都进行了优化，尤其增强了对表格数据和算术计算的理解能力。

Llama3-ChatQA-1.5 对话问答模型

llm-action：让天下没有难学的大模型

因此，该技术值得我们进行深入分析其背后的机理，本系列大体分七篇文章进行讲解。

大模型 LLM

CMU华人打破大模型黑盒，Llama 2撒谎被一眼看穿！脑电波惨遭曝光，LLM矩阵全破解

默认情况下，研究人员在本文中使用最后一个token的表征。

大模型

4K star！录屏好帮手，超酷的实时按键显示工具

本文将介绍 Keyviz 的基本功能。

Keyviz 录频

百川智能正式发布130亿参数通用大语言模型百川大模型（Baichuan-13B-Base）

与此一同出道的，还有一个对话模型Baichuan-13B-Chat，以及它的INT4/INT8两个量化版本。

大模型中文

七问大模型幻觉｜LLM Hallucination

在语言模型的背景下，幻觉指的是一本正经的胡说八道：看似流畅自然的表述，实则不符合事实或者是错误的。

大模型

再也不怕合照缺人，Anydoor为图片编辑开了一道「任意门」

此前的模型已经可以根据文本提示或给定图像重新生成局部的图像区域。

Anydoor 文生图

PymuPDF4llm：PDF 提取的革命

二、PymuPDF4llm 的功能特点（一）文本提取 1.

PymuPDF4llm PDF

OCR的终极解法——传统算法VS多模态大模型

在命名实体识别中，算法会分析文本，并将每个单词或短语标记为预定义的类别之一。

OCR 大模型文字识别

四种微调技术详解：SFT 监督微调、LoRA 微调、P-tuning v2、Freeze 监督微调方法

例如，在文本分类任务中，SFT可以利用模型的预测结果为文本分配类别标签。

大模型

Pynsist：一键打包 Python 应用代码成 Windows 安装程序

只需编写一个配置文件，Pynsist 就能自动完成打包工作，无需您手动编写复杂的安装脚本。

Pynsist 程序

文心一言大模型使用指南

三、功能示例直接在下图所示的文本框中，输入你的问题或者想要和文心一言对话的内容，然后文心一言就可以根据你的输入，输出结果。

文心一言百度

AI写作：如何让AI帮你写出10万+标题？

看了这本书以后，90后的我彻底佛了 4、名人效应名人之所以是名人，就是因为他们自带流量，适当蹭一蹭，可以提升你的打开率。

AI写作提示词

<...75 76 77 787980 81 82 83 84 ...>

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