文章列表-AI魔法学院

文章列表

超越RAG：揭秘IAG框架如何引领推理问答系统的创新之路

作者提出了两个版本的IAG：IAG-GPT直接使用GPT-3生成的知识进行答案预测，而IAG-Student则通过知识蒸馏训练一个学生归纳器模型，并通过可微分束分数反向传播生成器反馈进一步优化。

IAG框架大语言模型

如何看待大型语言模型的Prompt

与此同时，大型语言模型拥有迄今为止任何模型都未曾有过的最高表示能力——它们具有数十个Transformer层，总共数百层，其参数数量达到了数十亿。

prompt 大语言模型

分析过688篇大模型论文，这篇论文综述了LLM的当前挑战和应用

表 1：所选预训练数据集概况这些年来，预训练数据集变得更加难以理解了：它们的规模和多样性都在迅速增长，并且不是所有数据集都是公开可用的。

开源模型

Stable Diffusion

Stable Diffusion 加速/优化/升级优化出图速度

ensp; 重新解压配置，解压到新文件夹，复制原SD中models、outputs、embeddings、extensions文件夹到新目录，配置SD参数。

Stable Diffusion 文生图

Stable Diffusion

Stable Diffusion生成卡通证件照

(Steps)：25 采样方法 (Sampler)：DPM++ SDE Karras 宽度：616 高度：768 总批次数：3 单批数量

Stable Diffusion

你还在为钱发愁？2023年十大赚钱GPT Prompts高级指南！（国际版）

value and convince them to join my Cohort Based Community Course on [niche].”提示：“根据过去三个月中使用的标签的点赞和转发数量

prompt

真格基金大模型能力测试问题集---垂直能力篇

以下哪条血管的损伤导致了该患者现在的情况？

中文训练大模型

SD入门教程七：ControlNet篇-Canny边缘检测预处理器

预处理器分辨率，在未开启完美像素，手动调整参数，参数值64-2048，默认 512，数值越高线条越精细，数值越低线条越粗糙

Canny SD

从Langchain到ReAct，在大模型时代下全新的应用开发核心

1": "参数值1","参数名2": "参数值2"｝｝｝｝ Make sure that the response content

大模型

大模型应用发展的方向｜代理 Agent 的兴起及其未来（下）

如上图所示，单智能代理的应用被划分为如下三个阶段：任务导向、创新导向、生命周期导向。

大模型

如何成为LLM提示词大师！「大语言模型的底层心法」

这种规划能力是由它们能够推断导致所需结果的因果关系动作序列的能力所支持，这是受到它们的训练数据启发的。

大模型提示词

AIGC的7个黑暗面

偶尔，这些数字会选择错误的词。

大模型

一文讲明白什么是预训练、微调和上下文学习

主要特点：无监督学习：预训练通常是一个无监督学习过程，模型在没有明确指导或标签的情况下从未标记的文本数据中学习。

大模型训练

Ilya认错，Scaling Law崩了？自曝SSI秘密技术路线取代OpenAI

以前，Ilya是暴力scaling的早期倡导者之一，那时有一种想法广泛认为，通过在预训练中使用更多的数据和算力，能让AI模型的性能暴涨。

Scaling Law AI大模型

芯片拼接技术：英伟达新核弹，站在苹果的肩膀上

芯片在执行计算任务时需要经历两个阶段：数据传输和计算，数据传输花费时间过多，计算“空载”，就会造成算力的浪费。

芯片拼接

<...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