文章列表-AI魔法学院

文章列表

检索增强生成(RAG)：LLM企业级应用落地的挑战与思考

更小的文本块通常可实现更好的嵌入式检索，但更大的文本块可为语言模型提供更多上下文来生成详细的答案如果文本块太小，无法提供充足上下文;但如果文本块太大，则会影响检索质量。

大语言模型 RAG检索增强

AI里的大模型，你了解么

由于模型的尺寸太大，导致了内存开销的增加。

人工智能

ComfyUI王牌！复合生成！必须揉在一起

▍复合生成（B航线🤔）导入工作流or图片图片或者workflow的json文件，取走任意一种导入就能使用啦，B航线简直不要太简单！

comfyui 文生图

RAG从入门到精通-RAG简介

缺点 RAG的缺点主要表现在以下几个方面：知识检索阶段依赖相似度检索技术，并不是精确检索，因此有可能出现检索到的文档与问题不太相关。

rag 大模型

一个让GPT重复自问自答的Prompt

的感觉 · · · 待迭代点： · 现在输出的内容格式不太好看，Workflows

prompt

发现一个好东西，一键本地运行各种大模型！包括最新的Qwen1.5

我们以前玩的大模型动不动就是5G起步，对比之下，这个大小实在是太安逸了。

Qwen1.5 大模型

AI出题，做不完，根本做不完

可以在Json前增加下边这段话，让它更好理解：我会给你一个Json格式的初始指令，后续问答你都必须严格按照这个指令处理，下面是我的指令：如果你用百度文心一言，也有一定的效果，只是上下文控制的不太好

大模型提示词试题

垂直领域大模型的思考

让模型输出引用还有一个好处：用户自己可以通过提供的参考快速判断回答对不对（参考不能太长）。

垂直领域大模型

【ChatGPT有点热】浅聊Temperature参数对大语言模型的推理能力的影响

用ChatGLM2做测试：可以看到，temperature太高基本上就处于完全不可用的状态，但加入top_p结果就能恢复正常。

大语言模型 chatGPT

大模型微调应用实践，没那么简单，看看曾经踩过的坑

对比之前的AI（小模型意图、话术策略）+人工模式，发现之前的初始阶段通过率高些，初步判断可能是用户说的太发散，大模型不好收敛。

大模型

ChatPDF | LLM文档对话 | pdf解析关键问题

笔者认为这种方式很不通用，因为pdf的类型、排版实在太多了，没办法穷举。

大模型

Stable Diffusion

Stable Diffusion基础：ControlNet之身份标识

有用户提出采样步数不要设置的太高，如果出图效果不好，可以调低点试试。

ControlNet 文生图

一文探秘LLM应用开发-Prompt(相关概念)

ensp; 文心一言 ChatGPT 可以看出，大模型一定程度遵从了指令，并且我在例子里并没有完全正确给出结果，如“这本书写的太糟糕了

prompt 大模型

微调、训练大模型概念介绍及论文笔记：Tuning系列论文笔记

2 模型细节把预训练大模型freeze住，因为大模型参数量大，精调起来效率低，毕竟prompt的出现就是要解决大模型少样本的适配作者发现直接优化Prompt参数不太稳定

训练微调

大厂都在用的结构化Prompt，把写提示词变成填空题！

- ## Workflows: - ## Initialization: - 我们在ChatGPT3.5上测试表现良好，但有可能不太兼容国内的一些大模型

prompt 大模型

<...22 23 24 252627 28 29 30 31 ...>

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