文章列表-AI魔法学院

文章列表

模拟ChatGPT流式数据——SSE最佳实践（附可运行案例）

为什么要这样传输，从使用场景上来说，ChatGPT 是一个基于深度学习的大型语言模型，处理自然语言需要大量的计算资源和时间，响应速度肯定比普通的读数据库要慢接口等待时间过长，显然不合适。

GPT

prompt中的分隔符号的正确使用方法

它们帮助AI模型解析和理解我们的查询，确保我们得到的响应是精确和相关的。

prompt 分隔符

说真的，SDXL究竟藏着多少秘密，也许没人知道

同属生成式的AI绘图也不例外。

文生图

图解 Transformer——功能概览

输入序列，或称为“源序列”(例如对于一个翻译问题，“You are welcome” 是一个输入序列) 2.

Transformer 大模型图解

大语言模型定制化应用的三种方式：Prompt engineering、Fine tuning、Pre-trainning的区别

在实际应用中，可以根据任务需求、可用数据和计算资源等因素选择适当的方法。

大模型

大模型：泛化即智能，压缩即一切！

例如，如果孩子从出生开始只见到红色的苹果，那么他们可能会认为只有红色的水果才是苹果。

泛化大模型

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

第一部分：SFT 监督微调简介 SFT（Self-training Fine-tuning）是一项引人注目的微调方法，特别适用于解决低资源语言或领域的挑战。

大模型

微信为什么使用 SQLite 保存聊天记录!

无论何时，只要开发者想使用 SQL 在文件中存储结构化的数据，SQLite 应是首选方案。

SQLite 微信数据库

Fastwhisper + Pyannote 实现 ASR + 说话者识别

github.com/SYSTRAN/faster-whisper 二、pyannote.audio介绍 pyannote.audio是一个用Python编写的用于扬声器diarization的开源工具包

faster-whisper 语者识别 ASR

新模型Cascade你真的用对了吗？！

潜空间可以简单理解为ai计算生成图片的区域，潜在空间越小，推理速度就越快，训练成本也就越低。

Stable Cascade 模型

大模型检索增强生成(RAG)高质量报告

经常考虑的三个问题，召回什么、什么时候召回、如何利用召回的信息 RAG的发展总览数据索引怎么优化结构化语料库对召回的来源进行优化

RAG 大模型检索

中文通用大模型评测基准发布，全方位解析评价维度，助你选出最优秀的模型！

AI虽然进展很快，但人类还是有相对优势的，比如在计算方面，人类比最强模型GPT-4高出了30个百分点。

大模型训练中文

领域大模型LLM训练Trick

答：通过分析发现现有的开源大模型进行预训练的过程中会加入书籍、论文等数据。

垂直训练大模型

无一幸免！OpenAI最强竞对Anthropic：“长上下文”让大模型更不安全

目前，他们已经提前向其他人工智能开发商介绍了这一漏洞，并已经在 Claude 上实施了缓解措施。

Anthropic 大语言模型

ComfyUI安装教程

如果您搞砸了某些东西，只需在菜单中点击“加载默认值”即可将其重置为初始状态 ComfyUI的默认启动流程（在新标签页中打开图像以获得更好的查看效果）

ComfyUI安装

<...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