文章列表-AI魔法学院

文章列表

AIGC的7个黑暗面

几乎没有人想出了收集这些训练数据的最佳方法。

大模型

RAG检索增强技术在知识库智能检索场景下的应用实践

与传统的大模型训练相比，RAG（Retrieval-Augmented Generation）方法则不需要重新训练整个大模型，而是通过外挂知识库来完成特定任务。

知识库 RAG检索增强

万字长文，大语言模型如何宣告心理学的死亡？

例如，由于训练数据和算法的偏差，GPT模型通常反映自由派、富裕人士和受过良好教育的人口统计数据的观点，而一些基础LLM则更适合中等收入、低收入和基督教群体10。

大语音模型

【AI绘画】入门英文名词解析

只提供网络API接口只能在线联网调用接口提交数据获得返回结果并不知道是怎么来的会有很多限制为了避免法律风险 AI绘画项目对于某些人名或者不可描述画面作了限制不允许生成

文生图 AI绘画

国外报告90%的AI类产品公司已经实现盈利，而国内大模型和AIGC的访谈说太卷了

Andreessen Horowitz（又名 a16z）是一家风险投资公司，根据截至2023年6月的LikeWeb流量数据，对前50名人工智能 GenAI Web 产品按月访问量进行了排名

大模型

应用编排的未来是Pipeline，LlamaIndex开发预览版推出Query Pipeline，提升应用开发的灵活性

在大模型时代以前，比如推荐等大数据AI领域，其发展的趋势就是流程编排。

Query Pipeline 大模型

基于LLM+向量库的文档对话痛点及解决方案

· 文章的切分及关键信息抽取关键信息: 为各语义段的关键信息集合，或者是各个子标题语义扩充之后的集合（pdf多级标题识别及提取见下一篇文章）语义切分方法1：利用NLP的篇章分析

开源模型

九问中国大模型掌门人，万字长文详解大模型进度趋势

目前大模型参数规模普遍很大，我们可能有几千P的数据需要清洗，多达几万亿的 Token 规模，的确非常消耗算力，所以算力是模型训练阶段非常重要的基础设施。

大模型详解

OmniVision - 968M：小巧精悍的视觉语言模型，释放多模态边缘计算强大潜能

训练流程优化多阶段训练策略：OmniVision - 968M采用了精心设计的三阶段训练流程。

OmniVision -968M 多模态模型

一文看懂RAG：大语言模型落地应用的未来

特别是当查询超出模型的训练数据或需要最新信息时。

rag 检索增强

RAG 领域的新宠：为什么 AI 圈都在谈论 Jina ColBERT？

与 ColBERTv2 相比，Jina-ColBERT 在各项测试中都展现了顶尖的性能，特别在处理长文档数据集时，其表现更是显著优于 ColBERTv2。

rag 大模型

解读OpenAI Sora文生视频技术原理

自然语言理解，采用DALLE3 生成视频文本描述，用GPT丰富文本prompts ，作为合成数据训练Sora, 架起了GPT 与 Sora语言空间的更精确关联，等于在Token与Patch

sora

一文探秘LLM应用开发-Prompt(相关概念)

3）finetune（微调）4）模型部署与推理 5）prompt6）编排与集成7）预训练第三部分场景案例常用参考第二部分应用挑战 2.基本流程与相关技术4）Prompt在前面的内容里

prompt 大模型

最顶尖的大语言模型人才，只关心这10个挑战

基于文本的模型需要大量的文本数据，现在我们确实在担心用于训练基于文本模型的互联网数据会被耗尽。

大语言模型

大模型应用中大部分人真正需要去关心的核心——Embedding

对于像图书类型这样的类别，随着更多的类型被添加到数据集中，这种稀疏性将会呈指数级恶化。

大模型

<...32 33 34 353637 38 39 40 41 ...>

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