文章列表-AI魔法学院

文章列表

链接大模型与外部知识，智源开源最强语义向量模型BGE

语义向量模型（Embedding Model）已经被广泛应用于搜索、推荐、数据挖掘等重要领域。

embedding 语义向量

一人搞定30万商品分类：AI落地实践故事！

基于真实需求，让AI落地，使用embedding模型做大数据量分类。

embedding 大数据分类

使用这个工具后，我将 RAG 的准确性和召回率都提高了两倍！

RAG（Retrieval Augmented Generation）是一种检索增强生成技术，它利用大型语言模型来处理用户查询，RAG 技术的主要组成包括数据提取—embedding—创建索引—检索—

RAG 大语言模型

M3E 可能是最强大的开源中文嵌入模型

; 01 — 最近在研究和部署使用 LangChain + LLM(ChatGPT/ChatGLM) 构建企业专有知识库时，接触到两个 embedding

开源模型

Stable Diffusion

Stable Diffusion的模型分类以及使用

; Embedding可以简单理解为提词打包模型，它可以生成指定角色的特征、风格或者画风。

文生图

如何用大语言模型构建一个知识问答系统

Embedding-based search。

知识库

企业如何更好的使用大模型？都有哪些框架和方案

在这个过程中需要调用大模型的Embedding接口，将语料进行向量化，然后存储到向量数据库。

人工智能大模型

俄罗斯人开源了最大的文生图模型：参数量12B，比SDXL大了3倍多！

Kandinsky 2.2和DALL-E 2一样采用两阶段生成方案：第一阶段采用一个prior模型基于文本生成图像的CLIP image embedding，第二阶段使用CLIP image embedding

Kandinsky-3 文生图开源模型

【开源看AI】4.2K star！Reor：AI自动帮你发现知识之间的连接

包括导入你的笔记文件夹、Embedding和LLM的设置。

Reor 开源工具知识管理

Rerank——RAG中百尺竿头更进一步的神器，从原理到解决方案

模型：Embedding模型的选择其实很魔性，我们在优化过程中也会不断否定之前的一些判断。

RAG 检索增强

主流向量数据库一览

简单下个定义，因为喂给Transformer的知识首先需要做embedding，所以用于存储embedding之后数据的数据库即可称为向量数据库。

向量数据库

Langchain中改进RAG能力的3种常用的扩展查询方法

RecursiveCharacterTextSplitter(chunk_size=100, chunk_overlap=0) splits = text_splitter.split_documents(data)# VectorDB embedding

检索增强生成 Langchain

大语言模型综述<演进，技术路线，区别，微调，实践，潜在问题与讨论>

为了适应新的tokenizer，将transformer模型的embedding矩阵从 V*h 扩展到 V'*h ，新加入的中文token附加到原始embedding矩阵的末尾，确保原始词表表的embedding

大模型

LangChain + ChatGLM2-6B 搭建私域专属知识库

微调后模型 LangChain + ChatGLM2-6B 构建知识库 LangChain 知识库技术原理目前市面上绝大部分知识库都是 LangChain + LLM + embedding

知识库

图解大模型训练之：张量模型并行(TP)，Megatron-LM

4.1 输入层Embedding 我们知道Embedding层一般由两个部分组成： · word embedding：维度(v, h)，其中v表示词表大小。

开源模型

<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

© 2023-2024 AI魔法学院

京ICP备20027199号-1