文章列表-AI魔法学院

文章列表

「Agent」通俗易懂地聊聊AI Agent（附66个开源+44个闭源Agent项目）

目前与AI的交互形式基本上都是你输入指令，AI模型会根据你的指令内容做出响应，这样就是导致你每次在进行提供有效的提示词才能达到你想要的效果。

大模型

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

如上图所示，这些选择也已经得到了经验验证。

大模型

万物皆可接入DeepSeek，44家接入R1的国产平台超详细大盘点

从芯片到云服务，DeepSeek的开源给所有企业提供了低门槛的接入通道，极氪、诺安基金等等，也都开始部署自己的DeepSeek。

deepseek 大模型

阿里Outfit Anyone实现真人百变换装

方案简介我们方法的核心是条件扩散模型，它处理模型、服装和相应文本提示的图像，并使用服装图像作为控制因素。

Outfit Anyone 阿里

混合专家模型 (MoE) 详解

下图展示了编码器部分的结构。

MoE大模型

如何估计大模型所需要的显存大小？HuggingFace发布Model Memory Calculator，一键计算大模型显存需求

可以看到，该工具估算的ChatGLM-6B模型在不同精度下的训练和推理的显存需求结果如下：上图的第三列上图的第三列表示推理显存乘以1.2的结果。

大模型

LLM微调经验&认知

知识来自于pretrain阶段，指令微调通常只不过是为了让LLM显示地输出已具备知识。

LLM 大模型

金融行业的开源AI大模型

此外，项目还计划使用GPT3.5/4.0 API构建更高质量的数据集，并在中文知识图谱-金融、CFLEB金融数据集等基础上扩充指令数据集。

开源大模型

基于大模型（LLM）的Agent 应用开发

4.1 Autogen 的典型示例 Autogen 使用Multi-Agent会话启用复杂的基于 LLM 的工作流，典型的示例如下：左图代表基于AutoGen生成的可定制Agent

大模型 Agent

盘点来自工业界的GPU共享方案

进年来工业界一直孜孜不倦地寻求提升GPU利用率的方案，能被更多用户理解和使用的GPU共享走进工程师的视野中。

大模型

国内AI大模型已近80个，哪个最有前途？

利益无关：因为我没有在做基础大模型（做的是 infra 和应用层），目前也没有做国内市场，所以可以从相对中立的角度提供一些信息。

大模型

whisper-live：OpenAI Whisper模型的近实时实现

这有助于减少发送到耳语模型的数据量并提高转录输出的准确性。

OpenAI Whisper 大模型

阿里RAG新框架R4：增强检索器-重排序-响应器，5个知识密集任务上都超过Self-RAG等！

o 重排序器（Reorder）：通过图注意力学习和强化学习机制动态调整检索文档的顺序。

RAG 检索大型语言模型

一键部署本地私人专属知识库，开源免费！可接入GPT-4、Llama 3、Gemma、Kimi等几十种大模型，零代码集成。

Docker后，在本地电脑上完成安装，注意在安装过程中，我们需要确保"Use WSL 2 instead of Hyper-V (recommended)"这一功能被启用，docker的具体安装过程可以参看下图所示的教程

知识库MaxKB 开源

MCP服务介绍及应用场景报告-来自Manus

它是用户直接交互的界面，负责接收用户的查询并展示AI模型的响应。

MCP 大模型

<...78 79 80 818283 84 85 86 87 ...>

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