文章列表-AI魔法学院

文章列表

大语言模型LLM和知识图谱KG增强的企业搜索应用

LLM并不擅长搜索每个人都大肆宣传的所有这些技术的基础是大型语言模型（LLM）。

开源模型

LLM Agent最常见的九种设计模式(图解+代码)

2 ReAct 模式这是 LLM Agent 第一文，发表于 2022 年 10 月，现在看起来特别简单，但当时ChatGPT还没有面世，能够提出让 LLM 学会使用工具

LLM Agent 图解

ChatGPT羊驼家族全沦陷！CMU博士击破LLM护栏，人类毁灭计划脱口而出

CMU博士发现的新方法击破了LLM的安全护栏，造起导弹来都不眨眼。

开源模型

改进召回（Retrieval）和引入重排（Reranking）提升RAG架构下的LLM应用效果

1）基于LLM的召回或重排在逻辑概念上，这种方法使用 LLM 来决定哪些文档/文本块与给定查询相关。

大模型

【一步一步引导】从零详细地梳理一个完整的 LLM 训练流程

专业知识不足：当我们需要一个专业领域的 LLM 时，预训练模型中的知识就尤为重要。

大模型训练

一文汇总大语言模型LLM所有prompt提示词框架的论文出处

学习这些知识的原理有助于帮助我们打开 LLM 推理黑盒，感兴趣的朋友不妨花点时间研究下。

prompt 提示词

国内LLM陆续启动，你的Prompt库有这些模块吗

不管你写过多少提示词，对于任何一个大语言模型，主要的交互角色只有三种：用户（User）、助手（Assistant）和系统（System）。理解这三个角色真的很重要。同时，要想让生成式AI发挥最大的作用，除了必要的专业知识，你还需要积累下面的这些模块。这里修猫给出一个框架，还请有心读者自行丰富，时间会认证你的积累。

prompt

LLM native策略的内部状态是否应该结构化【2023Q3】

其中Key的部分仍然是大部分由人工事先确定，也可以接受LLM自己产生一些Key。

大模型

最详细的文本分块(Chunking)方法——可以直接影响基于LLM应用效果

这个真正难题我在前面的文章中《一些LLM的声音总结》中提到过，基于大模型的企业应用中很大一部分需求就是RAG——检索增强生成。

RAG 大模型

Giraffe：世界上第一个商业可用的32K长上下文开源LLM（基于Llama-2）

项目简介选择如何对 Transformer 的位置信息进行编码一直是 LLM 架构的关键组成部分之一。

开源模型

基于LLM+向量库的文档对话痛点及解决方案

LLM：根据文档，2023年的国民生产总值是593034亿元。

开源模型

StreamingLLM 框架：利用最新标记让 AI 记住你的话、创作长篇小说，探索无限长度文本

“ 为了实现LLM的高效流式部署,研究人员提出了 Streaming LLM 框架，其核心思路是保留最近的标记和重要的注意力点，同时丢弃不必要的中间标记。

大模型 llm框架

GitHub狂飙3万star的LLM公开资料 - 大模型入门教程

本篇大型语言模型（LLM）课程分为三个部分： LLM基础：涵盖了数学、Python和神经网络的基本知识。

LLM 大模型 GitHub

微软、OpenAI大佬暗示LLM应用开发范式迁移：从Prompt Engineering到Flow Engineering

笔者认为，它的热度高，并不在于本身论文本身解决的问题水平如何，而是它提出了“Flow engineering”的概念，指出了未来LLM应用开发者应该重点关注的方向。

LLM 范式迁移

LLM每周速递！大模型最前沿：多模态RAG、RAG加速、大模型Agent、模型微调/对齐

当我们拿到开源大模型的时候，通常会与实际场景结合来对大模型做一波Post-Training，进而改变预训练模型的权重来实现LLM对齐。

大模型研究

<1 234 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