文章列表-AI魔法学院

文章列表

研究人员开源中文文本嵌入模型，填补中文向量文本检索领域的空白

王宇昕举例说道：“比如通过向量进行聚类，进而筛选出特定类别或特征的语料；或者通过向量进行文本重复检测，将语义重复的文本进行清洗等。”

GPT

7个有用的Prompt参数

7、频率惩罚频率惩罚（Frequency Penalty）是另一个可用于控制生成的输出中单词或短语重复的参数。

prompt

大模型微调方法总结

结合图片来看，LoRA 的实现流程如下： ● 在原始预训练语言模型（PLM）旁边增加一个旁路，做一个降维再升维的操作，来模拟所谓的内在秩。

开源模型

WeChaty：强大的微信个人号机器人SDK

- 智能消息处理：WeChaty 具备智能消息处理能力，可以根据用户的需求和规则进行消息的自动回复、转发、过滤等操作。

微信接口

开发语音产品时设计唤醒词和命令词的技巧

应避免重复或者相近读音的字出现在唤醒词中。

语音产品唤醒词命令词

AI“同声传译”新进展！Google发布，无监督，语音识别：Translatotron 3！

这样，模型就可以学习到语音信号中的结构和含义，而不是简单地复制输入。

Translatotron 语音识别

一文汇总市面上所有prompts提示词框架！

nbsp; ICIO框架 Instruction：指令即你希望AI执行的具体任务 Context：背景信息给AI更多的背景信息引导模型做出更贴合需求的回复

prompt 提示词

LLMOps框架Dify发布Workflow功能，RAG进入自由编排时代（附产品负责人分享PPT ）

通过编排可以将开放域，复杂多步问题，分解为多个子问题分开解决，能用模型用模型，不能用模型的用流程，甚至采用“Human in Loop”的方式，将整个工作流程白盒化，把大模型能力限制在封闭的问题内，让大模型更可控

RAG 自由编排 Workflow

使用知识图谱提高RAG的能力，减少大模型幻觉

图数据库可以提供更高级的查询功能，包括过滤、聚合和复杂的模式匹配。

RAG 大语言模型

大模型：泛化即智能，压缩即一切

然而，传统的泛化观点认为，随着模型复杂性的增加，最初的经验风险和泛化风险都会降低。

大模型泛化

数字人：从科幻走向现实的技术革命

面临的挑战数字人技术虽然取得了显著的进展，但仍面临一些挑战： 1.技术复杂性和成本：创建高质量的数字人需要先进的技术和大量的资源投入

数字人语音

终于不用加班了！50个Claude 2高级Prompts让工作逆天提效

Give me a detailed workflow for 「complex task」from start to finish.给我一个详细的「复杂任务」从开始到结束的工作流程 3.

提示词

大模型下半场，关于Agent的几个疑问

这两种增强方式相辅相成，使生命具备了更多样复杂的表达形式。

大模型

Anthropic推出提示词生成器让AI秒懂你的需求！

，时长00:45 这种技术可以帮助AI更深入地理解用户的指令背后的复杂逻辑，从而提供更为精确和可靠的响应。

Anthropic 提示词生成器

OpenAI开源大模型调测工具Transformer Debugger：可以在训练大模型之前理解模型的运行情况并干预

因为其复杂性和“黑盒”性质，使得模型内的决策过程变得难以理解。

大模型调试工具

<...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