文章列表-AI魔法学院

文章列表

大模型的最大bug，回答正确率几乎为零，GPT到Llama无一幸免

GitHub 链接：https://github.com/lukasberglund/reversal_curse 名字和描述颠倒一下，大模型就糊涂了本文通过一系列对合成数据的微调实验来证明

大模型

《特朗普爱上在白宫当保洁的我》拍好了，3个月赚了10个亿

从4月到7月，短短3个月的时间里，《特朗普爱上在白宫当保洁的我》在美国狂赚1.5亿美元，约合10.8亿人民币，以极其廉价的成本打出了神话级别的战绩。

短剧

Coze、Dify、FastGPT：哪款智能体平台最强？深度对比分析！

FastGPT的强项在于其Flow可视化工作流编排，可以帮助用户灵活设计和实施复杂的问答场景。

智能体平台对比

图解 transformer——逐层介绍

注意，在推理过程中，我们没有目标序列，而是循环地将输出序列送入解码器的嵌入层，正如第一篇文章所言。

Transformer 大模型图解

从Langchain到ReAct，在大模型时代下全新的应用开发核心

它是如何运作的图片来源：https://arxiv.org/abs/2210.03629 一个ReAct流程里，关键是三个概念： Thought：由LLM模型生成，是LLM产生行为和依据。

大模型

ChatGLM3-6B 功能原理解析

return_function_call=True ) · 代码中我们将 OpenAI 的 API 地址换成本地的

ChatGLM3 大模型

牛顿力学在AI中失效？Transformer模型能完美预测却不懂物理，哈佛团队揭示模型缺失物理常识

在生物学领域，动物育种者们早已观察到后代性状的规律，而他们这些具有预测性的见解，启发着奥地利帝国生物学家格雷戈尔・约翰・孟德尔（Gregor Johann Mendel）提出了遗传学理论

Transformer 大模型

RAG与Long-Context之争—没必要争

但大模型随着输入长度越长，KV Cache所占资源就越多，成本也会剧增，这也是为什么有人持观点，未来也会有RAG。

RAG Long-Context 大模型

PymuPDF4llm：PDF 提取的革命

正是在这样的背景下，PymuPDF4llm应运而生，它以其开源、免费、强大的特点，迅速赢得了广大开发者的青睐。

PymuPDF4llm PDF

LlamaIndex的QueryPipeline在实现RAG应用后，Agent应用也可以实现了（附开发示例）

延伸阅读：LangChain 0.1.0版本正式发布，One More Thing将成了Agent落地生产的福音本文以官方提供的“Text2SQL的ReAct Agent”为例来了解基本的开发过程

Agent QueryPipeline 大模型

模拟ChatGPT流式数据——SSE最佳实践（附可运行案例）

内置断线重连和消息追踪的功能不在协议范围内，需手动实现文本或使用

GPT

谁杀死了我们的技术教程？网络技术教程越来越少？

就是一本正经地发废话，举个例子：明明官网上对于Vue3的生命周期已经非常详细，结果还要拆分为多篇文章，一篇文章一篇文章地介绍： “Vue3生命周期-beforeCreate”、“Vue3生命周期-beforeUpdate

技术技术教程

大模型实践总结

文本生成。

大模型训练

国产“小钢炮”MiniCPM3-4B：小参数，大能量！

引入了分组查询注意力机制（GQA），提高了注意力计算效率， MiniCPM 3.0 使用了 MLA（Multi-Level Attention），这一核心创新使得模型在复杂任务处理中的推理和生成能力更强

MiniCPM3-4B 大模型

为什么大佬都在说Agent是未来？换个角度来谈一谈

从上面的例子可以得到以下一些直观的认识： 1）LLM和RAG本质上还是面向的内容生成，是在知识和信息层面做工作。

Agent 大模型

<...84 85 86 878889 90 91 92 93 ...>

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