文章列表-AI魔法学院

文章列表

对于大模型RAG技术的一些思考

这就导致了需要被向量化的文本段，其主题语义并不是那么明显，和自然形成的段落显示出显著的差距，从而给检索过程造成巨大的困难。

RAG 大模型

开源大模型王座易主！谷歌Gemma杀入场，笔记本可跑，可商用

当然，Gemma 也第一时间上线了 HuggingFace 和 HuggingChat，每个人都能试一下它的生成能力：

开源模型 Gemma

让ChatGPT帮我写SQL

https://github.com/whoiskatrin/sql-translator.git //安装依赖 cd sql-translato rnpm install //生成应用程序

SQL

最详细的文本分块(Chunking)方法——可以直接影响基于LLM应用效果

这个真正难题我在前面的文章中《一些LLM的声音总结》中提到过，基于大模型的企业应用中很大一部分需求就是RAG——检索增强生成。

RAG 大模型

国内法律类大模型介绍

; * 基础模型：ChatLAW-13B * 数据：论文、新闻、法规、司法解释、法律咨询、法考题、判决文书组成，

法律大模型

大模型训练为什么用A100不用4090

这是就需要用到前面每一个 token 的 K 和 V，由于每一层的参数矩阵是不变的，此时只有刚生成的那个 token 的 K 和 V 需要从头计算，输入 prompt 和之前生成的 token 的 K

大模型

经典Prompt欣赏 - GitHub Copilot Chat

works · 解释选定代码的工作原理 · · Generate unit tests for the selected code · 为选定代码生成单元测试

prompt 提示词

Python入门与语法速查

标识符的其他的部分由字母、数字和下划线组成。

python 编程

LLM微调经验&认知

延申下来，可以理解Llama（原生）是一个会听不会讲中文的人，用中文语料做指令微调，实际上更多是教他“说中文”。

LLM 大模型

AI改变未来，ChatDoc手把手教你写研报

尤其是ChatGPT等生成式AI工具的普及，让很多普通人有了接触AI的机会。

大模型应用写作

基于大模型（LLM）的Agent 应用开发

4.1 Autogen 的典型示例 Autogen 使用Multi-Agent会话启用复杂的基于 LLM 的工作流，典型的示例如下：左图代表基于AutoGen生成的可定制Agent

大模型 Agent

会“追问”的Agent，大模型知识库另类实践

在实际的生产环境中，此类知识库应用可能遇到两类问题：知识型和政策型（图1）。

大模型

【AI代理】扣子，开始探索多代理模式

首先看看单代理模式和多代理模式有什么区别：在一个提示中包含多个任务的情况下，单代理模式会让一个机器人完成所有任务，而多代理模式则可以将任务分配给多个机器人去完成。

多代理模式大模型

Prompt及AI提问实践

比如某些模型对输入token处理时，会进行截取操作，导致多轮对话的部分信息失效，此时把Prompt放在不同的位置会产生差异较大的结果。

Prompt 大模型提问

回归分析：探索变量之间的奥秘

无论在哪个领域，经济学、生物学、医学还是社会科学，回归分析都发挥着至关重要的作用，成为指引我们前进的明灯。

回归分析变量

<...88 89 90 919293 94 95 96 97 ...>

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