文章列表-AI魔法学院

文章列表

CodeGeeX：Tab一下，代码自动生成

CodeGeeX含有40个transformer层，每层自注意力块的隐藏层维数为5120，前馈层维数为20480，总参数量为130亿。

大模型

Dify：大模型创业开源工具，46,558 行代码，完全开源

LLMOps: 随时间监视和分析应用程序日志和性能。

Dify 开源工具

2024年值得关注的Agent框架

OpenAGI: 这是一个开源的人工通用智能（AGI）研究平台，结合了针对特定任务如情感分析或图像去模糊化的小型专家模型和基于任务反馈的强化学习（RLTF）以改进其输出。

Agent 框架

SD 美颜修图神器

我们就直接上图来看看，不同参数值的图像效果对比吧。

SD 文生图

BGE M3-Embedding：智源最新发布的text embedding模型，多语言检索效果超过微软跟openai

具体情况如下图，这三种不同来源的数据相互补充，分别作用于模型不同阶段的训练，三个源头的数据量逐渐递减，但是数据数量逐渐提升。

BGE M3-Embedding 多语音检索

一文讲明白什么是预训练、微调和上下文学习

预训练模型作为广泛的自然语言处理任务的基础，例如文本分类、命名实体识别和情感分析。

大模型训练

强大高效的微信爬虫Wechat_Articles_Spider：快速获取公众号文章的利器

它可以帮助用户快速、高效地获取微信公众号中的文章数据，并进行进一步的分析和处理。

微信爬虫

llm-action：让天下没有难学的大模型

（七）-最佳实践、总结 LLM微调实战下面给大家分享大模型参数高效微调技术实战，该系列主要针对 HuggingFace PEFT 框架支持的一些高效微调技术进行讲解，共6篇文章。

大模型 LLM

一文搞懂贝叶斯定理有什么用

但是在现实世界中，除了抛硬币、掷骰子、玩老虎机等少数符合理想数学模型的场景，频率学派才能发挥作用。

贝叶斯定理

从⼤模型到 AI 应⽤落地，工程实现有多复杂?

本次分享主要包含五块内容，分别是：一、Prompt 工程化：代码与模型解耦二、私有化数据接⼊：持续更新与调整三、Agent 的演进：自动化编排四、我们最终会丢掉 LangChain

大模型

大模型量化：什么是模型量化，如何进行模型量化

一般来说，对于权重的量化，由于权重的数据分布是静态的，一般直接找出 MIN 和 MAX 线性映射即可；而对于推理激活值来说，其数据分布是动态的，为了得到激活值的数据分布，往往需要一个所谓校准集的东西来进行抽样分布

大模型

RAT = CoT + RAG

来自北京大学、加州大学洛杉矶分校和北京通用人工智能研究院的研究人员提出的 Retrieval Augmented Thoughts (RAT) 方法，旨在直接解决 LLM 中的事实准确性问题。

RAT 协同思维链检索增强生成

Comfy肖像大师非常推荐

用户可以根据这些参数自定义生成的肖像。

comfyui 文生图

大模型：泛化即智能，压缩即一切

这意味着我们可以让模型学习数据的分布特征，而不仅仅是优化特定的目标函数。

大模型泛化

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

答：有如下几个原因：只更新了部分参数：比如LoRA原论文就选择只更新Self Attention的参数，实际使用时我们还可以选择只更新部分层的参数；减少了通信时间：由于更新的参数量变少了，所以（

大模型

<...81 82 83 848586 87 88 89 90 ...>

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