文章列表-AI魔法学院

文章列表

EasyPhoto | 您的智能 AI 照片生成器

训练完成后，我们可以在推理部分生成图像。

训练 EasyPhoto 文生图

深度解读｜做出海必看的一份产品报告

在新一代 AI Native 原生应用从 0-1 的发展中，我们认为“产品驱动增长”会成为更加重要的发展模式，同时 SenseAI 之后也会更聚焦海外前沿的 AI Native 产品。

工作

大模型的研究新方向：混合专家模型（MoE）

大模型的发展已经到了一个瓶颈期，包括被业内所诟病的罔顾事实而产生的“幻觉”问题、深层次的逻辑理解能力、数学推理能力等，想要解决这些问题就不得不继续增加模型的复杂度。

MoE 大模型

深度对比丨探索LLM（大模型）部署服务的七大框架差异

本文旨在比较用于 LLM 推理和服务的不同开源库。

大模型

如何估计大模型所需要的显存大小？HuggingFace发布Model Memory Calculator，一键计算大模型显存需求

此前，DataLearner曾经从理论上给出了大模型显存需求的估算逻辑，详细说明了大模型在预训练阶段、微调阶段和推理阶段所需的显存资源估计（参考：需要多少GPU显存才能运行预训练大语言模型？

大模型

AI领域的agent是什么意思？

感觉记忆（Sensory Memory）：这是记忆的最早阶段，提供在原始刺激结束后保留感官信息（视觉、听觉等）的印象的能力。

大模型

万字长文，AI大模型的应用实践总结

同时，Chinese-LLaMA-Alpaca也指出在进行第一阶段预训练（冻结transformer参数，仅训练embedding，在尽量不干扰原模型的情况下适配新增的中文词向量）时，模型收敛速度较慢。

大模型

秒懂AI-深度学习五大模型：RNN、CNN、Transformer、BERT、GPT简介

1、RNN（循环神经网络）时间：20世纪90年代关键技术：循环结构和记忆单元处理数据：适合处理时间序列数据应用场景：自然语言处理、语音识别、时间序列预测等 RNN是一种神经网络模型，它的基本结构是一个循环体

大模型学习

一个充满多智能体的数字社会正在浮现，商业的底层逻辑已进入重构倒计时

这种幻觉问题在天真地链接多个智能代理时会成倍增加，导致无法有效解决复杂问题。

大模型

解读提示工程（Prompt Engineering）

调优过程完成后，这些虚拟令牌将存储在一个查找表中，并在推断期间使用，从而替换原来的小模型。

Prompt 提示词

颠覆数据存储方式：向量数据库的威力

原文：https://zhuanlan.zhihu.com/p/627829073 向量数据库是一种新型的数据库类型，它与传统的关系型数据库和文档型数据库不同。

编程数据库

GPU 性能（数据表）快速参考

这篇文章为流行的GPU的性能提供了一个简明的参考，包括NVIDIA和华为海思的主流型号，水平有限，译文整理，供参考学习。

GPU 算力

大模型的最大bug，回答正确率几乎为零，GPT到Llama无一幸免

这是什么道理？

大模型

Stability AI开年首个大模型：专写代码，支持18种编程语言，上下文100K，苹果笔记本离线就能跑

Stable Code 3B可理解处理18种不同的编程语言，上下文长度100K token。

Stability AI 大模型

忘了提示词吧，用自然语言教会AI画出想象力

对大段句子的理解比较弱，需要各种提示词组合，还要添加参数（比如用括号划重点）才能勉强让AI理解想要表达的意思。

文生图

<...11 12 13 141516 17 18 19 20 ...>

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