文章列表-AI魔法学院

文章列表

人工智能训练的灾难性遗忘以及解决方案

例如，一些研究人员正在尝试通过改进模型的结构和训练方法来缓解灾难性遗忘问题，而另一些研究人员则试图通过结合深度学习和生物神经网络的方法，来构建更接近生物神经网络的人工神经网络。

人工智能大模型

使用自己的数据训练清华ChatGLM2-6B 模型

o { "content": "类型#上衣*版型#宽松*版型#显瘦*图案#线条*衣样式#衬衫*衣袖型#泡泡袖*衣款式#抽绳",

ChatGLM2-6B

RAG模型的主要痛点和解决方案

解决方案： - 设计模型架构，以显式地跟踪证据和解释作为结构化的链/图。

rag 大模型

17岁高中生写了个神级Prompt，直接把Claude强化成了满血o1。

现在的o1，不能识图、不能运行代码、排版一团糟，体验真的很差。

prompt 大模型

摆脱 OpenAI 依赖，8 分钟教你用开源生态构建全栈 AI 应用

以下是问答系统的工作流程图： 02.

开源模型

Qwen7b微调保姆级教程

,'你能帮助我干什么'] i_can = ['我能够帮助你以最优雅的方式训练各种类型的pytorch模型，并且训练过程中会自动展示一个非常美丽的训练过程图表。']

Qwen7b 大模型

ChatGLM3-6B：新一代开源双语对话语言模型，流畅对话与低部署门槛再升级

· 代码解释器模式由于拥有代码执行环境，此模式下的模型能够执行更为复杂的任务，例如绘制图表、执行符号运算等等

ChatGLM3 语音模型开源模型

什么情况用Bert模型，什么情况用LLaMA、ChatGLM类大模型，咋选？

答：有以下好处：对齐人类意图，能够理解自然语言对话（更有人情味）经过微调（fine-tuned），定制版的GPT-3在不同应用中的提升非常明显。

大模型

最详细的文本分块(Chunking)方法——可以直接影响基于LLM应用效果

ensp; = 20 ) docs = text_splitter.create_documents([text]) Content-Aware：基于内容意图分块

RAG 大模型

微调、训练大模型概念介绍及论文笔记：Tuning系列论文笔记

嵌入式表征进行拼接，能够让LLM在医学领域方面获得不错的应用效果 Large Language Models Encode Clinical Knowledge 指令提示微调 IPT的建模示意图

训练微调

Prompt工程如此强大，我们还需要模型训练吗？

如下图： image-20230719152541138 同样以GSM8K数据集为例进行了说明，能够看出模型效果LaMDA（137B）< GPT-3（175B

大模型

从0到1基于ChatGLM-6B使用LoRA进行参数高效微调

· 产生有害说明或有偏见的内容：ChatGLM-6B 只是一个初步与人类意图对齐的语言模型，可能会生成有害

大模型

深度洞察：人工智能体(AI Agent)2024年重要发展趋势指南

LLM在生成文本、图像和代码输出方面令人印象深刻，这些输出可供人们在工作中使用（或只是为了娱乐）。

AI Agent 人工智能

AI出题，做不完，根本做不完

nbsp; "自我介绍": "从事占星术研究30年，精通天文学、星座、心理学等多学科知识，精通星盘图解读

大模型提示词试题

<...75 76 77 78 79 80 81 82 8384>

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