文章列表-AI魔法学院

文章列表

7.1k Star！RAGFlow：最新开源OCR+深度文档理解的RAG引擎、大海捞针测试、降低幻觉、服务化API集成进业务！

当你向LLM提出一个问题时，RAG不是直接回答，而是先到这个数据库里去搜索与你的问题最相关的信息。

OCR RAG 开源

清华大学ChatGLM团队发布AI Agent能力评测工具AgentBench：GPT-4是全能战士，超越所有模型

超越了之前的模型，有了巨大的实用价值。

GPT-4

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

Query Pipeline，提升应用开发的灵活性》里，我们提到了llamaindex出了一个新的实验feature，支持通过声明式的方式定义QueryPipeline从而形成个性化的应用流程，并且给出了对于RAG

Agent QueryPipeline 大模型

基于LLM+向量库的文档对话痛点及解决方案

LLM：根据文档，2023年的国民生产总值是593034亿元。

开源模型

Ollama还是vLLM？深度解析四大顶级LLM服务框架：性能、特性与技术选型指南

为了解决这一挑战，多种开源 LLM 服务框架应运而生。

LLM 服务框架

向量数据库失宠了？OpenAI 力捧检索增强生成（RAG）技术，对行业来说意味着什么？

换言之，OpenAI 将提供一款 Retrieval 检索工具，用户已无需创建或搜索向量。

检索增强生成大语音模型

使用大模型自动回复小红书/抖音/快手评论：通过RAG 优化LLMs实现

在这里，我将讨论如何通过检索增强生成（即 RAG）来提高 LLM 的性能。

RAG 大模型自动回复

StreamingLLM 框架：利用最新标记让 AI 记住你的话、创作长篇小说，探索无限长度文本

“ 为了实现LLM的高效流式部署,研究人员提出了 Streaming LLM 框架，其核心思路是保留最近的标记和重要的注意力点，同时丢弃不必要的中间标记。

大模型 llm框架

最详细的文本分块(Chunking)方法——可以直接影响基于LLM应用效果

本文主要内容： RAG中涉及的技术环节什么是分块分块需要考虑的四种因素分块的多种方法 RAG是一个考验技术的工作这两周发的文章大模型偏多，但如果你有阅读过前面的文章

RAG 大模型

Giraffe：世界上第一个商业可用的32K长上下文开源LLM（基于Llama-2）

项目简介选择如何对 Transformer 的位置信息进行编码一直是 LLM 架构的关键组成部分之一。

开源模型

GitHub狂飙3万star的LLM公开资料 - 大模型入门教程

LLM 基础 1.1 机器学习 ML 的数学基础在学习机器学习之前，了解这些算法背后的基本数学概念非常重要。

LLM 大模型 GitHub

应用编排的未来是Pipeline，LlamaIndex开发预览版推出Query Pipeline，提升应用开发的灵活性

到了大模型AI时代，早期的RAG流程在生产应用的过程中越来越发现存在流程僵化，难以应对多变复杂的实际需求，这就促使框架们不断打开自己，朝着灵活定制的方向发展。

Query Pipeline 大模型

使用这个工具后，我将 RAG 的准确性和召回率都提高了两倍！

RAG（Retrieval Augmented Generation）是一种检索增强生成技术，它利用大型语言模型来处理用户查询，RAG 技术的主要组成包括数据提取—embedding—创建索引—检索—

RAG 大语言模型

微软、OpenAI大佬暗示LLM应用开发范式迁移：从Prompt Engineering到Flow Engineering

在以往大模型开发中，应用核心开发重点在于prompt engineering，这多见于一些RAG应用，也就是整个过程围绕如何精心构造Prompt，再利用Prompt诱导大模型生成一个好的答案，而这一过程往往是单次的

LLM 范式迁移

让你每次都随机生成各种图片，开盲盒的感觉：SD插件之无限抽卡神器Dynamic Prompts

注意，nai这个选项应该不能下载，我点了之后是没用的，下载其他几个就行。

文生图

<...5 6 7 8910 11 12 13 14 ...>

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