文章列表-AI魔法学院

文章列表

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。

芯片拼接技术

写好Prompt要记住这六点！

良好的prompt不仅清晰明确，而且具有针对性，能够准确引导AI理解和回应你的需求。

prompt 写作

揭秘Baichuan 3超越GPT-4的中文实力！文心一言、GLM 4.0也甘拜下风？全方位对比测试大揭秘！

但百川智能通过一系列技术创新，成功解决了高质量数据获取、训练稳定性和训练效率等关键问题。

Baichuan 3 大模型

从⼤模型到 AI 应⽤落地，工程实现有多复杂?

私有化数据接⼊：持续更新与调整⼤模型都是通过公开可⽤的数据集进⾏预训练的，对单次输⼊

大模型

来自OpenAI应用研究主管关于Agent的万字长文-AI Agents介绍

实验中的训练数据集是 WebGPT的对比、人类反馈摘要和人类偏好数据集的组合。

Agent

一文讲明白什么是预训练、微调和上下文学习

预训练模型作为广泛的自然语言处理任务的基础，例如文本分类、命名实体识别和情感分析。

大模型训练

Stable Diffusion

SD入门教程一：Stable Diffusion 基础（技术篇）

各位同学可以简单将其理解为「将文本转化为机器能识别的多组数字信息」。

Stable Diffusion 文生图

SD入门教程二：文生图基础用法（提示词）

在上一篇中我们了解了SD的工作原理，这篇我们来实践一下，通过提示词（prompt）的输入，让SD生成我们满意的图片。

SD prompt 文生图提示词

混合专家模型 (MoE) 详解

条件计算: 传统的神经网络通过每一层处理所有输入数据。

MoE大模型

ComfyUI-ControlNet不能漏啊！

剩下的就是连预处理器部分了。

ComfyUI ControlNeT

清华系17人，撑起中国大模型创业半壁江山

2、孙茂松：从信息处理到法律大模型，创企数量、涉足种类都处前列清华大学人工智能研究院教授孙茂松是自然语言处理与社会人文计算实验室（THUNLP）的负责人，刘知远师承孙茂松。

大模型

AI改变未来，ChatDoc手把手教你写研报

工具的原理和逻辑非常清晰：后端依托ChatGPT（我猜后面可以接入其他主流大模型），前端接收上传的文档（PDF等格式），用AI的逻辑来解读文档。

大模型应用写作

搞了一个Dify开源知识库

ensp; 初衷：也是在机缘巧合下，感谢MAX和众多大佬的呼声支持下，临时组建了这么一个dify开源交流社区，因为我是初学者，从官方文档入手，从一个初学者的角度步步为营，整理出一个公开的知识库

Dify 大模型知识库

深度好文，Agent盛行前传

第四是语言（language），语言能力的获取已经在agent的大型数据语料库中的语言预测建模的工作中初见成效，但由于语言有自身的上下文属性、顺序性以及不同场景对语言的需求不一样，在训练语言能力会付出一定的机会成本

Agent 大模型

11个非常简短却十分神奇的 ChatGPT 指令，刷新你的认知

它是按照 Token 来处理文本的。

提示词

<...33 34 35 363738 39 40 41 42 ...>

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