文章列表-AI魔法学院

文章列表

大模型检索增强生成RAG的优化

· 提示工程优化：优化模板增加提示词约束、提示词改写。

RAG 检索增强大模型

真超越了GPT？国产大模型实用场景横评②

另有2个产品只参加跟写作能力有关的测试。

大模型

通俗解读大模型微调(Fine Tuning)

我们对技术的理解，要比技术本身更加重要。

大模型微调

精通结构化提示词：如何精确操控指令的作用域与优先级

7 上下文语义识别优先级模型的决策过程不仅受到当前提示词语的引导，同时与整个交谈上下文密切相连。

提示词结构化

大语言模型定制化应用的三种方式：Prompt engineering、Fine tuning、Pre-trainning的区别

Pre-training：预训练是一个耗时且计算资源密集的过程，通常需要在大规模文本数据上进行无监督训练。

大模型

更强的小型LLM：Zephyr-7B

这些基准测试产生的分数与人类对模型输出的评分密切相关，并且验证了这样一个定性概念：专有模型的表现优于接受人类反馈训练的开放模型，而后者又优于通过蒸馏训练的开放模型。

Zephyr-7B 大语言模型

动画制作工具AnimateDiff用法详解

第1步：添加关键节点 · KSampler: 双击搜索，右键/smapling/KSampler

AnimateDiff 视频训练

白话Embedding：普通人都能懂的科普文

给定两点$a=（x_1，y_1）$和$b=（x_2，y_2）$，它们之间的距离是：对于$（6,4）$和$（2,8）$，这意味着：对于三维，我们只需通过添加一项来扩展公式。

Embedding 向量

宁德核电推出全球参数量最大的核工业大模型｜InfoQ 独家

核工业知识体系的复杂性：核工业领域的知识体系庞大而复杂，包含大量专业术语和专有知识，这增加了大语言模型训练的难度。

宁德核电大模型

提升GPT Prompt效果最佳实践 - 拆解复杂任务

举一个简单的例子：通过这种持续摘要的方式，提供了一个连续的、不断更新的上下文信息，当后续的章节与前面的章节有紧密的联系时，可以更好的理解最新的章节。

GPT prompt

使用ChatGPT检查论文引用、提高研究深度

同时，您也应该确保所引用的文献与您的研究论点紧密相关。”

ChatGPT 案例

Learn Prompting-基础篇

例如，人工智能可以预测客户的趋势和偏好，帮助企业做出更好的决策并增加利润。

prompt

换脸软件 FaceFusion 保姆级教程

在操作之前，需要加一个配置，不能访问不了 github 这些站在终端输入命令 · source /etc/network_turbo 参考

FaceFusion 教程

感受恐惧的力量：用 ChatGPT 分析288 篇 10w+ 公众号文章标题的情感分布

o • 礼貌：《你应该知道的关于微信公众号文章标题分类的礼貌介绍》 o o • 互惠：《为你解密：

大模型

谈谈RAG存在的一些问题和避免方式

1.分块（Chunking）策略和Top-k算法一个成熟的RAG应该支持灵活的分块，并且可以添加一点重叠以防止信息丢失。

RAG 大模型

<...21 22 23 242526 27 28 29 30 ...>

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