文章列表-AI魔法学院

文章列表

被时代选中的智谱 AI：成为 OpenAI，超越 OpenAI

这个问题的根源不是技术层面的决策，而是与当前社会发展、信息化水平、行业信息化程度、数据安全以及各种制度和机制有关的问题。

智谱 AI

大规模训练系列之技术挑战

更系统来说，随着数据和模型的不断增大，会触碰到两方面的问题，大数据和大模型所产生的显存墙问题(模型是否能跑起来)以及计算墙(能否在合理时间内完成训练)问题，使得普通的分布式训练不再适用于此类任务。

开源模型

大模型外挂知识库优化-大模型辅助向量召回

将用户query一步步分解为子问题，需要解答当前子问题时候，就召回一次。

大模型

你真的会写 Prompt ? 剖析 RAG 应用中的指代消解

比如在多轮对话的情况下，就需要解决一个问题：如果在最新一轮的提问，里面有些指代上文的代词，那么如果直接用这个问题去做召回，很可能会召回错误的知识，比如：问1:&ensp

Prompt 大语言模型 RAG

中国AI大模型，应该如何商业化

如今，大模型的商业化问题再次被摆在台面上。

大模型 AI

Dynamic Prompts插件，魔法提示词由魔法帮你补全（插件篇）

只是生态发展太快，prompt这块又被all in one一家独大了，动态提示词（Dynamic Prompts）过去很多优势功能已经被蚕食，这也是有人问我这个插件怎么没看我聊过。

文生图提示词

检索增强生成 (RAG):What, Why and How?

LLM是通过大量的数据进行训练的，可以回答任何问题或完成任务，利用其参数化记忆。

检索增强大模型

AI 产品榜 · 国内 100 强和出海 20 强

我们精心筛选分析了5000+ AI 全球产品(web)，覆盖了从访问量、时长、增长速度到营收等关键数据，我们将这些 AI 产品分门别类，涵盖了100个AI 细分领域。

大模型大模型应用行业分析

RAGFlow：开源的RAG引擎，专注于深入的文档理解，支持处理各种复杂格式的非结构化数据

该项目提供了一个简化的RAG工作流，适用于各种规模的企业，通过结合使用大型语言模型（LLM）来提供基于严谨引用的真实问答能力。

RAGFlow RAG 开源

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

然而，现有基于LLM的多智能体工作主要集中在解决简单的对话任务上，很少研究复杂任务，主要是由于LLM幻觉问题。

大模型

为什么说数智化可以帮助中小企业降本增效 ?

这些都是亟待解决的问题。

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！

你不能出问题，是吧？

工作

Prompt工程如此强大，我们还需要模型训练吗？

即然要找到更加普适的解决问题的流程会非常复杂，那能否“千人千面”让大模型自己找到解决当前问题的思维链呢？

大模型

AI 产品榜（2023年08月）5000+ AI产品排名与分析

我们精心筛选分析了5000+ AI 海外产品(web)，覆盖了从访问量、时长、增长速度到营收等关键数据。

工作

2023年人工智能行业总结

ChatGPT的成功得益于两个技术突破：一是通过人工调教，使其回答人类问题更加自然、不机械；二是发现了大模型的涌现现象。

人工智能 AGI 思考总结

<...13 14 15 161718 19 20 21 22 ...>

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