文章列表-AI魔法学院

文章列表

数据分析思路系列-如何建立指标体系

对于一些毕业生在面试数据分析岗位的时候，面试可能经常会被问到这样一个问题：你会选择什么指标去反映这个问题，或者你会用哪些指标去分析这件事？

数据分析指标体系

8个常用中文OCR数据集，附下载链接

数据集中的所有图像都经过完整标注。

OCR

大语言模型微调：定制自己的微调数据集

以下是构建高质量微调数据集的一些考虑因素：数据来源：选择合适的数据来源非常关键，可以通过从相关领域中抓取或收集适当领域的数据来收集数据。

大模型

RAG应用中数据处理过程需要注意的事项

重复向量的问题：当数据块在chunks中频繁重复时，数据质量可能会下降。

RAG 大模型

盘点数据安全合规方向的热门证书【快来了解一下】

、关键隐私术语和有关个人数据保护的实用概念、跨境数据流。

工作

大规模中文开源数据集发布！2TB、几十亿条可商用的中文数据集书生·万卷 1.0开源~中文大模型能力可能要更上一层楼了！

; 书生·万卷 1.0数据集的下载地址和其它资源 · 书生·万卷 1.0数据集概览书生·万卷 1.0数据集整合了中文和英文数据，内容涵盖文本、图像文本和视频三种模态，数据总量超过2TB

大模型

利用AI技术自动化爬取网页数据的利器——MLScraper

简介 MLScraper是一个强大的Python库，用于从网页上提取结构化数据。

MLScraper Python库

中文对话大模型BELLE全面开源！（附：数据+模型+轻量化）

-7b1-mt（70亿参数）为基础，分别在20万，60万，100万，200万数据上进行指令微调后得到的模型Checkpoint。

belle 训练大模型

GPTs+Notion，打造最强GPTs数据处理方案！喂饭级教程！

昨日推出的“提示词安全卫士”，其独特之处在于，当你需要获取最新的防注入提示词时，这款GPTs会通过Action，从远端的Notion数据库中提取一个链接，以此分享实时更新的提示词。

GPTs Notion

模拟ChatGPT流式数据——SSE最佳实践（附可运行案例）

对于这种对话场景，ChagtGPT 将先计算出的数据“推送”给用户，采用 SSE 技术边计算边返回，避免用户因为等待时间过长关闭页面。。

GPT

向量数据库简介和5个常用的开源项目介绍

与存储标量值的传统数据库不同，向量数据库专门设计用于处理多维数据点(通常称为向量)。

开源模型

OpenAI 上线新功能力捧 RAG，开发者真的不需要向量数据库了？

OpenAI Assistants 检索严格限制了数据规模，且缺乏定制化的能力。

RAG 检索向量库

微软Phi-3、Mixtral 8x22B等小模型过拟合，三分之二存在数据污染

由于模型是基于从互联网抓取的大量数据集进行训练的，训练数据集可能无意中包含了与基准测试中的问题高度相似的样本。

过拟合小模型

百万token上下文窗口也杀不死向量数据库？CPU笑了

向量数据库让大模型能够快速有效地检索和处理大量的向量数据，从而增强了模型的整体性能和应用范围。

向量数据库大模型 cpu

GItHub一款强大、简单、易用的高效的数据处理RPA小工具

自动化抓取网页数据？

GitHub 数据处理RPA

<123 4 5 6 7 8 9 10 ...>

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