文章列表-AI魔法学院

文章列表

GitHub上的RPA小工具，可以将重复、繁琐的任务自动化

通过使用RPA工具，可以将重复、繁琐的任务自动化，从而提高工作效率和准确性。

RPA 自动化

Agent具体实现

有了代理，就不需要手动编写 if/else 逻辑了，只需将选项提供给模型，让其进行判断。

Agent 大模型

美的数字化转型10年，方洪波的反思。作为领导者的高瞻远瞩与宽广胸襟！

它实际上是一个操作平台，把所有的移动楼宇里面相关的强电、弱电所有的硬件整合在一起，我提供这样一个解决方案。

工作

发现一个好东西，一键本地运行各种大模型！包括最新的Qwen1.5

GGUF通过采用紧凑的二进制编码格式、优化的数据结构、内存映射等多种技术来保存大模型预训练结果，从而提高效率。

Qwen1.5 大模型

40个麦肯锡高手常用的、鲜为人知的ChatGPT指令

考虑如何提前提供价值可以带来更大的回报。”

ChatGPT prompt

Langchain的一些问题和替代选择

开发人员可能更喜欢提供更清晰和直接访问核心功能的框架，而不需要复杂的中间功能。

大模型

网易有道强力开源中英双语语音克隆

未来工作当前的实现侧重于通过提示控制情绪/风格。

语音开源

Python程序混淆和打包exe文件流程和方法

PyInstaller 不仅支持 -F、-D 选项，而且也支持如表 1 所示的常用选项。

Python 程序

RAG与Long-Context之争—没必要争

Long-Context相较于RAG来说，能否带来精度的提高，可以带来多少提高，是否会增加延迟，相同显卡情况下部署更大的模型+RAG是否更有性价比。

RAG Long-Context 大模型

【开源项目】Flow Matching 语音合成

Voicebox模型将CFM引入语音合成领域，下面是voicebox的一个工作流程图 Matcha-TTS是第一个开源conditional normalising flows语音合成项目，提供基于

音视频 Flow Matching

基于Ollama本地部署Llama3指南！

左边是版本下拉选择，选中的版本在右边代码窗口会显示拉取代码，只要点复制icon，并把它黏贴到CMD或Powershell终端内。

LLama3 ollama

手把手带你微调一个自己的 ChatGLM2-6B 模型

ChatGLM2-6B 使用了 GLM 的混合目标函数，经过了 1.4T 中英标识符的预训练与人类偏好对齐训练，评测结果显示，相比于初代模型，ChatGLM2-6B 在 MMLU（+23%）、

ChatGLM2-6B

回归分析：探索变量之间的奥秘

最后，将分析结果转化为实际应用，为各个领域的学者和实践者提供有价值的洞见。

回归分析变量

三个大模型（ChatGPT,文心一言,Baichuan-13B)，帮我生成中医《本草纲目》的训练数据

最后试下我们本地的大模型，百川-13B Chat，这里需要说明下，为了本地加载，我做了8-bit量化，可能会影响性能：出现了一个问题，就是把prompt里的“和”字理解成了“与”的关系，经过进一步提示后

大模型

模拟ChatGPT流式数据——SSE最佳实践

· 必须指定浏览器不缓存服务端发送的数据，以确保浏览器可以实时显示服务端发送的数据。

打字机 sse 大模型

<...90 91 92 93 949596 97 98 99 >

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