首页
Ai 资讯
Ai 知识库
创作魔法
绘画魔法
视频魔法
训练魔法
Ai术语
Ai提示词
Ai创意图
Ai工具
Ai视频
VIP专区
VIP专区
登录
AI魔法学院客服
最新
排序
收藏
全部
七天内
一个月内
选择分类
全部
写作魔法
绘画魔法
视频魔法
训练魔法
其他
AI工具
VIP视频
推荐阅读
换一批
· 硬核解读Stable Diffusion(系列一)
· 惊艳推荐!8款好用又免费的文本转语音TTS工具
· 新华妙笔
· MidjourneyV6高级提示词技巧(人物篇)
· 吴恩达Prompt教程之总结图解
· 开箱即用的图像增强、视频增强AI工具,Upscapl、Topaz Video AI
· 自动化神器Autolt:不再重复工作
· StableDiffusion常用热门模型下载站点推荐(国内版)
· 点评:六大向量数据库
· 第3期 SDXL和SD的10大区别!你知道几个?
热门标签
Stable Diffusion
stable diffusion
Midjourney
midjourney
ComfyUI
comfyui
ChatGPT
chatgpt
大模型
数字人
开源
人工智能
Sora
文心一言
天工
零一万物
知海图
星火
文心一格
混元
通义千问
盘古
言犀
ChatGLM
Github
微软
热门标签
免费
教程
插件
免费
教程
插件
免费
教程
插件
文章列表
开源
Chinese-LLM开源中文大语言模型合集
截止到当前,已统计到77个相关项目,具体数量
分
布如下: 项目地址:https://github.com/HqWu-HITCS/Awesome-Chinese-LLM 1.
大模型
中文
LLM
更强的小型LLM:Zephyr-7B
这些基准测试产生的
分
数与人类对模型输出的评
分
密切相关,并且验证了这样一个定性概念:专有模型的表现优于接受人类反馈训练的开放模型,而后者又优于通过蒸馏训练的开放模型。
Zephyr-7B
大语言模型
大模型
大模型时代 AI 技术在金融行业的创新应用
本次
分
享主要
分
为以下三个部
分
: 1.
大模型
金融
ChatGPT
使用ChatGPT检查论文引用、提高研究深度
在学术研究和数据
分
析的过程中,提高论文质量是每位研究者的追求。
ChatGPT
案例
LLM
实操:基于 Ollama+AnythingLLM 的 AI 超级阅读法
因此,我每天要阅读大量文章:电子书里摘的、
微
信群里发的、邮箱里订的、百度搜的… 但我并不会为此感到焦虑,这些文档资料已经交由我的“私人AI顾问”去阅读学习了。
Ollama
AnythingLLM
阅读
ChatGLM
玩一玩ChatGLM3,1660s即可流畅运行!
同时,也出现了大量的配套项目,比如运行库,
微
调,知识库等...
大模型
ChatGLM
大规模训练系列之技术挑战
数据并行通过修改 Sampler 切
分
输入,每张卡只需要处理一部
分
数据; 模型并行通过修改层内的计算方式,将单层的计算负载和显存负载切
分
到多张卡上; 流水并行则是将不同的层放到不同的卡上,进而将计算负载和显存负载切
分
至多张卡上
开源模型
大模型
企业如何更好的使用大模型?都有哪些框架和方案
然而,大模型由于Token的限制,只能记忆部
分
的上下文。
人工智能
大模型
Agent
LangChain Agent原理介绍
Agent是什么 基于用户输入动态地调用chains,LangChani可以将问题拆
分
为几个步骤,然后每个步骤可以根据提供个Agents做相关的事情。
langchain
ChatGPT
40个麦肯锡高手常用的、鲜为人知的ChatGPT指令
护城河
分
析:“通过护城河
分
析的视角评估[我的商业决策]。
ChatGPT
prompt
Agent
Agent四大范式 | 综述:全面理解Agent工作原理
我们对现有的 LLM-代理规划研究进行了
分
类,将其
分
为任务
分
解、计划选择、外部模块、反思和记忆等类别,并针对每个方向进行了深入
分
析。
Agent
大语言模型
Stable Diffusion
Stable Diffusion 快速创作角色三视图
天
分
享
分
享如何通过 Stable Diffusion 快速创造出角色三视图。
SD
三视图
文生图
教程
SD入门教程七:ControlNet篇-Canny边缘检测预处理器
在本篇中,我来讲讲如何使用预处理器和辅助模型,
分
别都有些什么作用。
Canny
SD
LLM
如何成为LLM提示词大师!「大语言模型的底层心法」
内容主要包含:3种LLM提示类型和4种LLM能力
分
类。
大模型
提示词
大模型
大模型:泛化即智能,压缩即一切!
如果你认同Scaling Law定律,你就应该相信通过大量不同的数据来追求长期的模型泛化能力比短期的通过巧妙的模型
微
调更重要,这个想法在机器学习先驱 Rich Sutton 《苦涩的教训》中也有所体现。
泛化
大模型
<
...
9
10
11
12
13
14
15
16
17
18
...
>
1
2
4
5
6
7
8
9
100