文章列表-AI魔法学院

文章列表

吴恩达Prompt教程之总结图解

Instruction tuned LLM首先需要从大量文本数据中训练处一个Base LLM，随后使用指令和比较好的输入输出去进一步训练（微调、优化）LLM，在训练过程中，输入和输出都是作为指令给到LLM

prompt 教程吴恩达

造梦师手记：C站最受欢迎的大模型推出了SFW版

很长一段时间，C站最受欢迎的大模型是DreamShaper，在SDXL推出后，作者Lykon第一时间推出了一个0.9版和1.0版。

DreamShaper 大模型文生图

苏秦(suqin) 语言大模型全工具链 WebUI 整合包

具体功能模块如下：开发部署初次使用建议查阅说明文档进行相关操作软件需求本项目已在 Python 3.8 - 3.10，CUDA 11.7/11.8 环境下完成测试。

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 响应器（Responder）：将查询和调整后的文档作为输入，生成回答。

RAG 检索大型语言模型

谈谈RAG存在的一些问题和避免方式

块的理想内容应该围绕单个主题保持一致，以便Embedding模型更好地工作。

RAG 大模型

关于GPT-4在变笨，有人写了篇论文证实了这一点

其次，在敏感问题上，作者准备了饱含100个敏感问题在内的数据集测试这些大模型，按理来说，大模型应该直接拒绝回答这些问题。

大模型

OpenAI开源大模型调测工具Transformer Debugger：可以在训练大模型之前理解模型的运行情况并干预

OpenAI对TDB的解释如下： TDB允许在编码之前快速地探索模型的工作原理，它能够介入模型的前向传播过程，让我们可以直观地看到某个特定操作如何影响模型的行为。

大模型调试工具

Stable Diffusion

Stable diffusion 有哪些不错的模型

作者：AI时代社链接：https://www.zhihu.com/question/597629253/answer/3042997052 基础模型（不推荐） SD系列比如sd-v1

文生图

实现聊天机器人打字机形式输出内容：SSE原理介绍及Post实现方式

服务器端可以通过浏览器发送的事件标识符来确定从哪个事件来继续连接 4、SSE注意事项保证数据的完整性：客户端在每次接收到消息时，会把消息的id 字段作为内部属性 Last-Event-ID储存起来

大模型

智源：70万预算，从头开发千亿参数大模型，挑战成功！

作者给出了Open LLM数据集的测试结果。

大模型

一文读懂GPT-1：生成式预训练如何提升语言理解

它采用了Transformer作为模型架构，这种架构提供了更加结构化的记忆，以便处理文本中的长期依赖关系，从而实现了卓越的迁移性能。

GPT

ComfyUI学习笔记：插件安装

进一步丰富功能时，需要按需自主添加节点，例如加入LoRA：也可以使用节点搜索（双击空白处）：这与webui一上来就摆好盘的软件操作思路有所不同：所以之前有webui使用经验后

comfyui 插件绘画

打磨 8 个月、功能全面升级，Milvus 2.3.0 文字发布会现在开始！

作为整个团队的匠心之作，Milvus 2.3.0 历经 8 个月的设计与打磨，无论在新功能、应用场景还是可靠度方面都有不小的提升。

大语言模型

Stable Diffusion

16/180 Stable diffusion 抽卡神器 dynamic prompts

这里每一种颜色都是1/4概率抽卡次数 {n$$blacklwhitelyellowlred} n 代表一次抽几种颜色这里4种颜色所以范围是1-4 这个语法主要是融合作用

提示词文生图

LangChain - RAG：线上系统多文档要频繁更新，每次都要重新花钱做一次 embedding，老板不批预算，批我...

之后会把新加入的 docs 在 embedding 之前都一一登记造册，记录在案：图四：来自官方文档的 incremental 模式需要注意的是，如果在相同 source 上重新执行 index 操作的话

大模型

<...83 84 85 868788 89 90 91 92 ...>

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