文章列表-AI魔法学院

文章列表

使用 Dify 和 Moonshot API 构建你的 AI 工作流（一）：让不 AI 的应用 AI 化

能够调用“外部工具”的模型功能我计划将工作流相关的事情拆分为两篇来聊，过程中不太想切换模型，所以就选择了支持 “Function Call” 的它。

Dify Moonshot API 工作流

一文带你看懂OpenAI-Sora生成视频的原理

这时候肯定有一大堆博主又要惊呼“太炸裂了”、“XXX要失业了”，但我想，再牛逼也是别人牛逼，你炸裂365天都没用，我们还是首先多从原理上去看看OpenAI的Sora模型是怎么生成这些视频的吧。

视频生成 sora

PostgreSQL的三位一体——在大模型应用中结合关系型、向量和时间序列数据

根据经验，普通查询应该只涉及几个分区，同时您的完整数据集应该适合1000个分区，但不要太过强调—系统对这个值不是很敏感。

大模型 PostgreSQL

图解检索增强式生成（RAG）技术 | 万字长文

由于我们不太可能在语料库中找到直接的比较，因此将这个问题分解为两个更简单、更具体的子查询是有意义的： § “Langchain 在 GitHub 上有多少星星？”

检索增强式生成 RAG

高级 RAG 技术——图解概览

我们不太可能在语料库的某些文本中直接找到答案，因此把这个问题分解成两个更具体、更简单的子查询是合理的： · &ensp

RAG 检索图解

RAG 与 Finetuning，谁是提升 LLM 的最佳工具？

相比之下，RAG 系统本质上不太容易产生幻觉，因为它们将每个响应都基于检索到的证据。

训练

达摩院SPACE对话大模型：知识注入与知识利用

比如 Parsin，效果却不太好。

大模型

中国大模型融资暗战：罗曼蒂克的快速消亡

另外“私有化部署和定制”这样的脏活、累活通常也不会是大厂愿意太多插手的领域，从而给创业公司提供喘息可能。

大模型暗战

Transformer速查宝典：模型、架构、训练方法的论文都在这里了

还有一种 batch norm，效率很低，用起来似乎不太聪明。

Transformer

大模型实践总结

参数高效微调（PEFT）技术在面对特定的下游任务时，如果进行Full FineTuning（即对预训练模型中的所有参数都进行微调），太过低效；而如果采用固定预训练模型的某些层，只微调接近下游任务的那几层参数

大模型训练

解读提示工程（Prompt Engineering）

这将增强文本生成的稳定性，又不会太大程度上降低创造力。

Prompt 提示词

推荐智能体：利用大模型进行交互式推荐

其次,如果领域数据是私有的、不太公开可访问的,LLM可能难以很好地理解该领域。

大语言模型推荐

最新最全的开源中文大语言模型列表

除姜子牙系列模型之外，该项目还开源了太乙、二郎神系列等模型。

大模型

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

当面临意外错误时，LLM很难调整计划，使它们与不断试错学习的人类相比不太稳健。

Agent

[论文] 阿里提出AgentScope：灵活强大的智能体框架

尽管无法解决的错误对于系统来说太棘手，AgentScope 提供了一个改进的日志系统，供开发者快速监控和识别多智能体应用中的问题。

AgentScope 语言大模型智能体

<...29 30 31 32 33 34 35 363738 >

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