文章列表-AI魔法学院

文章列表

AI开源 - LangChain UI 之 Flowise

Github 地址：https://github.com/FlowiseAI/Flowise LangChain是一个工具箱，它帮助人们更容易地使用"大型语言模型"（LLM）。

大模型

如何使用 Megatron-LM 训练语言模型

Megatron-LM 4 是研究人员用于预训练大型 Transformer 模型的另一个流行工具，它是 NVIDIA 应用深度学习研究团队开发的一个强大框架。

开源模型

Stability AI开源上新：3D生成引入视频扩散模型

并且视频数据本身也比3D数据更容易获得。

sv3d 建模

领域大模型LLM训练Trick

主要是因为这些数据的数据质量较高，领域相关性比较强，知识覆盖率（密度）较大，可以让模型更适应考试。

垂直训练大模型

BGE M3-Embedding：智源最新发布的text embedding模型，多语言检索效果超过微软跟openai

数据有三个不同来源。

BGE M3-Embedding 多语音检索

SEO知识点入门

先把一些基础的理论东西弄清楚：什么是SEO、标题、关键词、描述、长尾关键词、内链、外链、反链、百度指数、权重、ALT标签、收录、站长工具、等等等一大堆，你会看到很多你看不懂的词和专业术语，看到不理解的词

RAT = CoT + RAG

开发能够像人类一样思考、推理并解决复杂问题的模型一直是人工智能研究的关键目标。

RAT 协同思维链检索增强生成

QWen1.5: 卓越模型之路

对 Qwen Base 和 Chat 模型在一系列基础及扩展能力上进行了详尽评估，包括如语言理解、代码、推理等在内的基础能力，多语言能力，人类偏好对齐能力，智能体能力，检索增强生成能力（RAG）等，对比对象也增加了热门的

Qwen1.5 开源模型

RAG从入门到精通-RAG简介

3.LLM的知识是编码在数百亿个参数中的,无法直接查询或编辑其中的知识图谱。

rag 大模型

大模型RAG检索增强问答如何评估：噪声、拒答、反事实、信息整合四大能力评测任务探索

二、评测数据的构建及衡量指标 1、数据构建受以往LLM基准的启发，RGB采用问题解答的形式进行评估。

大模型 RAG检索增强

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

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，它们往往难以系统解决大模型存在的幻觉，不一致等问题，甚至有人研究给大模型多少小费可以提高效果的尝试

LLM 范式迁移

自动化神器Autolt：不再重复工作

Excel表格操作无论是数据录入还是数据处理，Autolt都能在Excel中展现其强大的功能。

RPA 自动

[开源]面向中小团队的轻量化知识管理应用，构建知识库和知识社区

“知了”的目标人群为中小团队，在保证知识管理的核心功能的基础上，提出更简单、易维护的技术架构，力求界面UI的简洁明了，降低用户使用的门槛，达到全方位的“轻量化“：功能聚焦

大模型

LangChain + ChatGLM2-6B 搭建私域专属知识库

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（

知识库

Comfyui工作流原理你都了解吗

的优势 1.对显存要求相对较低，启动速度快，出图速度快； 2.具有更高的生成自由度； 3.可以和 webui 共享环境和模型； 4.可以搭建自己的工作流程，可以导出流程并分享给别人，

Comfyui 工作流

<...81 82 83 848586 87 88 89 90 ...>

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