文章列表-AI魔法学院

文章列表

从零开始学习大模型-第二章-大模型学习路线

深度学习必备知识神经网络：理解神经网络的基本结构和工作原理，包括前向传播和反向传播算法。

大模型学习

通往AGI之路：思维链提示过程

这相当于将黑盒深度学习的多步推理过程的中间步骤拆开，解耦各个步骤的工作，简化每一步工作上模型的压力，在提高可解释性的同时提升模型性能。

思维链提示词

详解大模型RLHF过程（配代码解读）

下文也结合代码介绍critic model输出的具体含义。

训练

大模型LLM基础｜分词

工作原理： · 从字符级别开始构建词汇表。

开源模型

星标破万！小钢炮2.6登顶GitHub，Hugging Face TOP3，燃爆开源社区！

基于最新的 RLAIF-V 和 VisCPM 技术，其具备了可信的多模态行为，在 Object HalBench 上的幻觉率显著低于 GPT-4o 和 GPT-4V

MiniCPM-V 2.6 大模型

大模型时代-行业落地的再思考

· 在一个通用模型的基础上做instruction tuning（sft），这也是现在开源社区最普遍的做法，有大量的工作比如Huatuo，ChatLaw等等。

大模型

百川智能正式发布130亿参数通用大语言模型百川大模型（Baichuan-13B-Base）

同时开源预训练和对齐模型:预训练模型是适用开发者的『基座』，而广大普通用户对有对话功能的对齐模型具有更强的需求。

大模型中文

使用ChatGPT润色出高品质文章的提示词

6、增加详细信息输入“增加更多的细节和具体内容”，可以增加更多的具体例子或数据使文章更加生动、有趣。

写作大模型 ChatGPT

使用ChatGPT润色出高品质文章

6、增加详细信息输入“增加更多的细节和具体内容”，可以增加更多的具体例子或数据使文章更加生动、有趣。

写作提示词

使用ChatGPT润色出高品质文章！

6、增加详细信息输入“增加更多的细节和具体内容”，可以增加更多的具体例子或数据使文章更加生动、有趣。

ChatGPT 写作

微软打破Decoder-Only架构！大幅降低GPU内存需求，网友：把Llama3 70B弄20GB GPU上运行

具体来说，YOCO由L个块堆叠而成，其中前L/2层是自解码器，其余模块是交叉解码器。

Decoder-Decoder YOCO 架构

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...

去 github 上看下具体的实现逻辑： · 标 1 是 index 所在的位置，可以看到跟之前的版本没有变化

大模型

超越RAG：揭秘IAG框架如何引领推理问答系统的创新之路

具体而言，IAG框架包括两个实现：IAG-GPT和IAG-Student。

IAG框架大语言模型

openpose原理及安装教程（姿态识别）

此外，OpenPose还具有以下优势：多人姿态估计：OpenPose可以同时检测图像中的多个人体姿态，而不需要事先确定每个人的身份或位置。

行为识别姿态识别

深入探秘：百川7B大模型的训练代码解析，揭秘巨无霸语言模型背后的奥秘

causal language modeling，它的输出是依赖过去和现在的输入；同时，还有一种是masked language modeling，它是把句子中的一个词盖住，然后通过这个词的上下文去预测这个词，具体大家可以看

大模型

<...85 86 87 888990 91 92 93 94 ...>

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