文章列表-AI魔法学院

文章列表

一个写了会上瘾的公众号写作模板

接下来，就分享一下我最初坚持下来的写作模板，从日常的生活去入手，或许能够让你觉得写作其实原来如此的简单，更加容易坚持下去。

公众号写作模版

使用这个工具后，我将 RAG 的准确性和召回率都提高了两倍！

技术的主要组成包括数据提取—embedding—创建索引—检索—排序（Rerank）—LLM 归纳生成，不过实际落地过程来看，将用户查询转换为嵌入向量直接检索，很多时候的结果在相关度方面没有那么理想，本篇分享一种对用户查询进行重写再去检索从而提高准确性和召回率的方案

RAG 大语言模型

AI生成PPT不靠谱？那是你方法没用对

通常，PPT的制作流程分为5个环节。

PPT 制作 AI

20%杨幂+80%霉霉=？这款“人脸拼接”的AI应用还能这么玩

-8- 工作原理 InstantID的工作原理包括三个关键的组成部分：ID嵌入、图像适配器和IdentityNet。

InstantID 文生图

基于Ollama本地部署谷歌开源Gemma大模型！

在开始使用Gemma开源大语言模型（LLM）前，我们先了解下Gemma以及配套的工具。

ollama gemma qwen

本地运行140亿参数，阿里千问玩起来！Qwen+Win11+3060

这部分还提供了和非量化模型的对比。

大模型

检索增强生成(RAG)有什么好的优化方案？

RAG优化分为两个方向：RAG基础功能优化、RAG架构优化。

RAG 检索增强

忘了提示词吧，用自然语言教会AI画出想象力

前一段时间，我推荐了一个stable diffsion的翻译插件，和大部分其他翻译插件不同的是，它是基于离线大模型的插件，速度快、效率高。

文生图

告别抑郁：10个ChatGPT提示词技巧打造你的心理健康顾问，摆脱90%的心理疾病

我将分享一些精心设计的ChatGPT提示词，这些提示词不仅包含了专业知识的精华，更指明了具体实践的路径。

心理健康提示词

大模型的研究新方向：混合专家模型（MoE）

MoE的基本理念是将输入数据根据任务类型分割成多个区域，并将每个区域的数据分配一个或多个专家模型。

MoE 大模型

体验Outfit Anyone，高质量虚拟换装，效果如何？

其次，它采用实时渲染技术，能在短时间内生成试穿效果，让你迅速查看不同搭配。

Outfit Anyone 模拟

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

StreamingLLM 表现出稳定的性能，PPL 几乎与带有重新计算基线的滑动窗口相匹配。

大模型 llm框架

大模型实践总结

具体的硬件配置如下： CPUs: 每个节点具有 1TB 内存的 Intel CPU，物理CPU个数为64，每颗CPU核数为16。

大模型训练

重磅来袭！Llama中文社区开源预训练中文版Atom-7B大模型

| 中文优化从中文预训练开始，持续迭代升级 🎯中文数据通过测试我们发现，Meta原始的Llama2 Chat模型对于中文问答的对齐效果欠佳，大部分情况下都不能给出中文回答，或者是中英文混杂的形式

大模型

RAG 2.0来了，它能成为生产落地的福音吗？

然而，这种方法往往会导致所谓的“科学怪人效应”（Frankenstein’s monster），即尽管每个部分在技术上都能独立运行，但整合后的整体性能却远未达到理想状态。

RAG 大模型

<...26 27 28 293031 32 33 34 35 ...>

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