文章列表-AI魔法学院

文章列表

牛顿力学在AI中失效？Transformer模型能完美预测却不懂物理，哈佛团队揭示模型缺失物理常识

随后，研究团队在预留数据上针对模型预测结果进行评估，并发现预测效果较为良好，其决定系数（R²）超过 0.9999，而且显著优于基准模型，即优于那些总是预测最近位置或轨道均值的模型。

Transformer 大模型

GPT提示词必杀技：思维树法

思维树的原理是： § 把一个问题分解成多个子问题 § 每个子问题的解决思路给出几种方案 § 模型自己评估自己给出的子问题的解决思路（如果某个子问题的解决思路是错的，就会直接舍弃这个方案

GPT 提示词

OpenAI 无需向量化的 RAG 新架构设计范式剖析

· 信心评估：验证结果不仅包含通过与否，还会给出大模型对答案准确性的信心值（如“高”、“中”、“低”），这为答案质量提供了额外的质量保障。

OpenAI RAG 架构

公司如何使用ChatGPT进行内容营销？

分析受众参与度：ChatGPT可以通过监测和评估用户互动来调整其内容生成策略，以产生更有效地与品牌的目标受众产生共鸣的内容。

大模型

Yi技术报告细节分享

o 学习式过滤：通过困惑度、质量、安全和文档连贯性4种评分器来对文本进行过滤，其中，困惑度评分器利用KenLM库，按照CCNet的方法评估大量网络文本，丢弃困惑度分数明显高于平均水平的文本

Yi模型大模型

AI Agent / 智能体观察笔记（中）

评估智能体旨在基于它们的环境和经验产生可信的行为。

大模型

RAG超参数调优食用指南

ParamTuner 不仅可以定义我们想要的任何目标函数，例如带有评估的 RAG 管道；还能够以同步或者异步的方式进行网格搜索；并且 LlamaIndex 官方使用了

rag 大模型

使用 ChatGPT + Claude 撰写成功的商业计划书

进度跟踪和评估。

工作

为什么国产大模型都说超越ChatGPT而体验却很拉？警惕 Goodhart law 陷阱

#8226; MMLU 是Hendrycks et al 2020年在论文 "Measuring Massive Multitask Language Understanding" 中提出的，它旨在评估语言模型在广泛的知识领域和任务类型上的理解能力

ChatGPT 国产大模型

Westlake - Omni：西湖心辰推出的全球首个开源的中文情感端 - 端语音交互大模型

模型评估与优化为了确保模型的性能和质量，使用了多种评估指标来评估Westlake - Omni的性能，如语音识别准确率、情感分类准确率、语音合成自然度等。

Westlake -Omni 语音

解读wav2lip：探究语音驱动唇部动作的技术原理！

（2）传统的基于GAN的判别器在音频-口型同步检测方面准确率较低：传统的GAN判别器只使用单帧图像来评估口型同步，缺乏时间上下文信息，无法评估口型动态变化质量。

wav2lip 语音

ChatGPT论文润色进阶指令

深度分析与评估指令：请帮我深入分析研究方法和数据，并提供优缺点评估。

ChatGPT 写作

必读！RAG好用的3种Router

它重复此过程多次，并根据各种指标评估性能。

RAG Router

AI Agents大爆发：软件2.0雏形初现，OpenAI的下一步

搜索过程可以是广度优先搜索（BFS）或深度优先搜索（DFS），每个状态由分类器（通过提示）或多数票进行评估。

agent

爆火！腾讯开源PhotoMaker：高效地定制化生成任意风格的逼真人类照片！

为了评估生成质量，采用FID度量。

PhotoMaker 文生图

<...4 5 6 789 10 11 12 13 ...>

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