文章列表-AI魔法学院

文章列表

大模型应用的10种架构模式

对于处理能力要求较高的蜂巢系统，我们可以考虑部署消息队列服务，比如Apache Kafka，以便更好地处理代理和服务间的消息传递。

大模型架构

检索增强生成(RAG)：LLM企业级应用落地的挑战与思考

RAG的工作原理 RAG系统典型由三部分组成： (1) 检索器：从大规模文本数据中检索与输入查询相关的文本片段。

大语言模型 RAG检索增强

LLM应用架构之检索增强（RAG）的缘起与架构介绍

另一个就是模型复杂，如前文讲，生成式本身是在学习样本的真实分布，而非决策边界，故而更为复杂，性能较差，再加上为了能够获得智能涌现，模型参数量巨大，就更难以训练和部署。

LLM

AI Agent / 智能体观察笔记（上）

智能体和自动化生产制造的区别自动化生产制造所基于的外部环境是充分限定的，制造苹果手机的工序流程是标准的，过程中通过自动化的方式代替一部分人力操作提高效率，所有环节都要尽可能充分可控。

大模型

阿里通义实验室薄列峰：从兵马俑跳“科目三”到照片唱歌，四大框架让AI生成的人物活起来丨GenAICon 2024

以下为薄列峰的演讲实录：我的分享前半部分讲行业趋势以及我在多模态、文生文等方向的思考；后半部分分享我们在文生视频生成方向的工作。

通义文生视频

最强开源大模型Llama 3，在扎克伯格设想中其实是这样的

在我看来，如果未来人工智能系统没有得到广泛部署，而且不是每个人都能使用它们，我会感到失望。

Llama 3 大语言模型

2023检索增强生成技术（RAG）研究进展

他们认为，如果大模型能够内化足够多的信息并提高内部处理复杂性，那么外部检索可能就不再必要。

RAG 检索增强

PDFTriage:面向长篇结构化文档的问答

论文原文地址：2309.08872.pdf (arxiv.org) 一、介绍当一个文档无法适应LLM有限的上下文窗口时,可以部署不同的策略来获取相关上下文。

大语言模型 PDF 文档

Westlake - Omni：西湖心辰推出的全球首个开源的中文情感端 - 端语音交互大模型

卷积神经网络（CNNs）用于提取语音和文本的局部特征，循环神经网络（RNNs）和长短期记忆网络（LSTMs）擅长处理序列数据，而Transformer模型则以其强大的并行计算能力和长距离依赖捕捉能力，在模型中发挥着重要作用

Westlake -Omni 语音

大模型训练为什么用A100不用4090

2016 年我在 MSRA 的时候，见证了微软给每块服务器部署了 FPGA，把 FPGA 打到了沙子的价格，甚至成为了供应商 Altera 被 Intel 收购的重要推手。

大模型

AI Agent的千亿美金问题：如何重构10亿知识工作职业，掀起软件生产革命？

要使得用户得到个性化的使用体验，这一部分的优化是至关重要的。

大模型 AI编程

预训练对话大模型深度解读

旨在解决开放域对话系统中信息量缺乏和事实不准确的问题，规模22B 两阶段训练：常规对话数据训练首先生成query，基于该query搜索外部信息并加入上下文进行回复生成

初创企业必知的 30种商业模式（附实例）

12 区块链商业模式区块链是一种分布式账本技术，其他公司和企业无需像 AWS、Digital ocean等任何集中化机构就可以部署其智能合约。

初创商业模式

真超越了GPT？国产大模型实用场景横评②

这八款大模型中绝大部分免费开放，吸引了许多人的使用。

大模型

GLM-4-Voice 9B——实时多语言语音对话 AI——几分钟内即可在本地安装

具体来说，它需要35–40个GPU以实现最佳性能，因此适合在可访问高性能硬件的环境中部署。

GLM-4-Voice 9B 语音安装

<...20 21 22 232425 26 27 28 29 ...>

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