文章列表-AI魔法学院

文章列表

模拟ChatGPT流式数据——SSE最佳实践（附可运行案例）

为什么要这样传输，从使用场景上来说，ChatGPT 是一个基于深度学习的大型语言模型，处理自然语言需要大量的计算资源和时间，响应速度肯定比普通的读数据库要慢接口等待时间过长，显然不合适。

GPT

大模型时代-行业落地的再思考

写在前面大家好，目前大模型落地是大家特别关心的问题，之前我也对垂直领域大模型的做了一些思考并对领域开源模型进行汇总。

大模型

最受欢迎的SDXL模型，Turbo极速来袭！

在C站，最受欢迎的SDXL模型，是大名鼎鼎的DreamShaper。

sdxlturbo 绘画

大模型与游戏结合的一个思路

该篇文章写于2019年，当时还没有ChatGPT这样的大模型，所以那时的思路主要是让游戏能够根据玩家水平的逐步提高，游戏的难度也相应提高，使得玩家始终有一种棋逢对手的感觉，从而增加游戏的可玩性，即笔者在文章中所说的

人工智能游戏

大模型检索增强生成RAG的优化

RAG工作流程（with memory）从RAG的工作流程看，能优化的模块有：文档块切分、文本嵌入模型、提示工程优化、大模型迭代。

RAG 检索增强大模型

中国AI大模型，应该如何商业化

在开源的模式下，可以快速共享好成果，让好的成果快速培养社区，下游用户利用开源成果，可以快速搭建自己的应用系统。

大模型 AI

铁锅炖blender+ComfyUI配置，更改模型地址

今天继续学习ComfyUI，本推文主要讲铁锅炖的实验：如何改模型地址、尝试与blender一起打开、添加第一个controlnet节点树。

comfyui 文生图

详解大模型RLHF过程（配代码解读）

奖励（reward）模型训练首先要声明的是，在强化学习阶段，用到的reward model和critic model都使用同一个模型初始化，因此在训练reward模型的过程中，也是在训练critic

训练

对于大模型RAG技术的一些思考

这导致了这些模型，对于垂直领域的知识识别是有缺陷的。

RAG 大模型

大模型在金融行业的应用场景

目前已有的大模型知识库基本上都采用 RAG 的方案构建，但是数据源多样（流程规范、产品材料、规章制度等），数据格式繁杂（文字、表格、公式、图片等），针对不同的数据都需要业务上进行单独处理

大模型金融应用

生成式AI与大语言模型的区别

生成式人工智能可以被定义为专注于创建具有生成原创内容能力的模型，例如图像、音乐或文本。

生成式AI 大语言模型区别

大模型训练为什么用A100不用4090

台湾同胞辛辛苦苦攒钱建厂，一张 4nm 那么先进的工艺哦，才能卖到 $15000，但是那某个客户拿去噢，能卖出 $1500000（$30000*50）的货啦，机车，那样很讨厌耶。

大模型

被高估的Pika，被低估的多模态AI

多模态 AI 正处于爆发前夜。

大模型多模态

Chinese-LLM开源中文大语言模型合集

，语言模型基于 ChatGLM-6B，具有 62 亿参数；图像部分通过训练 BLIP2-Qformer 构建起视觉模型与语言模型的桥梁，整体模型共78亿参数。

大模型中文

总结！大模型微调（Tuning）的常见方法

相反，它侧重于精心制作可以指导预训练模型生成所需输出的输入提示或模板。

微调大模型

<...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